代码拉取完成,页面将自动刷新
同步操作将从 YangXuanFeng/Machine-vision 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
1.算法适用性
此算法未针对此视频做特定的简化处理,所以算法具有普适性,可以完成其他情况下的动态多目标标定任务,比如车流交通中行人的标注于跟踪等,但需要针对不同实验对算法中涉及的参数做一定的修改与调试,以确保跟踪效果较好。
2.算法准确率
算法采用基于二值图像进行背景减除,采用二阶卡尔曼滤波进行跟踪,最后采用匈牙利匹配算法精确定位目标位置。由于卡尔曼滤波是根据当前位置采用最小方差进行下一位置预测的,所以在处理交叉情况时,交叉后的位置完全由卡尔曼滤波器进行预测跟踪,并且设定阈值条件,以处理目标相互遮挡及目标消失及重新出现等问题,经反复调参实验后,可以准确的在小鼠交叉的时候跟踪小鼠,并且对交叉时的边界框用’predicted’字样标注。
3.算法效率
经记录,整个处理过程共10分40秒,共处理436帧图片。所以算法效率为0.68125帧每秒。由于使用二阶卡尔曼滤波器进行预测跟踪,导致整个算法的时间复杂度较高,但跟踪非常准确。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。