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。