传统目标跟踪VS深度学习目标跟踪

目录

传统方法:

深度学习方法:


传统方法:

特征提取+滤波类搜索。

其中特征提取主要有:局部、全局特征、模板、直方图、binary pattern、PCA、sparse PCA、SR(sparse representation)、discriminative model、generative model。

其中搜索机制主要有:CSK、KCF/DCF、CN、粒子滤波、马尔科夫链蒙特卡罗法、局部最优搜索、密集抽样搜索。

经典算法主要有几类,有很多算法都是在这些经典算法的基础上改进的。但是经典算法在工业上一般只作为辅助方法来使用,毕竟深度学习算法才是当下的热门选择,但作为了解其基本原理还是很有必要的。

python 目标跟踪算法_目标跟踪入门——目标跟踪算法综述_weixin_39926678的博客-CSDN博客

深度学习方法:

1.端到端方式

主要通过深度学习方式(RNN和LSTM),不过该方式速度较慢,相较于传统方式效果也没有很大的提升,现阶段几乎没有落地。

2.基于Siamese Networks(生成式,主要针对单目标)

主要通过siamese网络进行相似度匹配,主要操作为:首先手动选择初始图像中的目标,使用siamese网络进行特征提取,然后以此特征为标准,遍历后面帧图像的每个位置,对每个位置进行特征提取,然后作比较,确定位置。

3.tracking-by-detection方式

主要针对目标检测算法和滤波类算法(多目标跟踪),yolo系列,ssd系列,anchor-free系列,two-stage系列等等,滤波类和上述传统方式相似。

你可能感兴趣的:(目标跟踪,深度学习,目标跟踪,人工智能)