·530· 智能系统学报 第14卷 划线标出了最大的速度值。可见，在7个视频中， 取的两个头部有比较明显的突起等特征，更容易 本文算法有5个视频跟踪速度最快，平均达到了 实现准确跟踪，而其他算法直接以中心为跟踪目 111.44f1s,较排第二位的STC算法高出了 标。由于各算法为处理振铃效应对边界进行了平 33.61s。经分析，本文算法速度更快的原因在 滑处理，导致边界部位的突起特征弱化。 于：本文算法只取两个局部图像分别进行跟踪， 表3平均精度 计算量明显小于其他整体跟踪算法。DSST算法 Table 3 Average precision 跟踪速度最慢，仅为3.84s,原因是其尺度估计 类别 DSST KCF CSK STC OURS 环节非常耗时。 视频1 0.775 0.801 0.775 0.775 0.861 表2平均每秒运行帧数 视频2 0.967 0.987 1.000 1.000 1.000 Table 2 The average operation frames f/s 视频3 0.861 0.671 0.420 0.888 0.924 类别 DSST KCF CSK STC OURS 视频4 0.491 0.384 0.542 0.542 0.898 视频1 4.14 76.78 78.23 69.62 115.38 视频5 0.971 0.659 0.833 0.659 0.978 视频2 10.91 63.46 78.72 247.87 110.84 视频6 0.361 0.464 0.365 0.273 0.773 视频3 0.53 9.56 7.62 6.79 25.03 视频7 0.333 0.611 0.481 0.667 0.889 视频4 4.47 78.78 112.91 79.02 138.38 平均值 0.694 0.628 0.553 0.711 0.907 视频5 4.47 29.63 31.23 106.72 316.94 3)跟踪成功率 视频6 1.61 46.33 51.83 25.28 50.32 成功率SR为重叠率s大于选定阀值s的帧 视频7 0.72 10.33 10.67 9.54 23.19 数与总视频帧数的比值，即 平均值 3.84 44.98 53.03 77.83 111.44 SR=n≥0) (18) n 2)距离精度 其中重叠率s的计算方法为 衡量跟踪中心准确性的指标是距离精度，即 追踪到目标的中心偏离实际位置的距离d小于预 s-RUR ROR (19) 定阀值do的帧数与视频总帧数n的比值，即 式中：R,为人工标定目标框内的像素总数，R,为 D=nd≤d) (17) 算法追踪到目标框内像素总数。式(19)中分子为 n 两框重合区域内像素数量，分母是两框合并后总 图9是综合精确度曲线，表示随着阈值d。从 区域内像素数量。 0像素到50像素递增时算出的距离精度曲线。 图10是在7个视频上的综合成功率曲线，表 可见本文算法跟踪中心精度明显好于其他算法。 示随着重合率阈值s从0到1之间递增时，各算 1.0 法的综合成功率相应的变化。可见，本文算法略 0.9 好于DSST算法，但远好于其他3种算法。其原 0.8 0.7 因在于：DSST和本文算法都能根据目标大小调 0.6 整图像框大小，而其他算法采用固定图像框，因 0.5 此重叠率受目标尺度变化影响较大。 -0.907刀Ours 0.3 10.6941 DSST 1.0 0.2 j0.6281KCF 0.9 I0.5531CSK 0.1 [0.711]STC 0.8 07 10 20 30 40 50 位置偏差國值 解0.6 0.5 图9在7个序列上的综合精确度曲线 0.4 -I0.999]0urs Fig.9 Precision plot over all the seven sequences 0.3 [0.955DSST 0.2 [0.487]KCF 表3是阈值d。=20像素时各算法的精度值， 0 [0.487JCsK [0.524]sTC 其中最后一行是各算法在所有视频上按帧数的加 0.2 0.4 0.6 0.8 1.0 权平均值。从表3可见，本文算法在所有视频上 重复率國值 平均精确度达到了90.7%，较排名第2位的DSST 图10在7个序列上的综合成功率曲线 算法高出了27.6%。其原因在于：本文算法在选 Fig.10 Success plots over all the seven sequences划线标出了最大的速度值。可见，在 7 个视频中， 本文算法有 5 个视频跟踪速度最快，平均达到了 111.44 f/s ，较排第二位 的 S TC 算法高出了 33.61 f/s。经分析，本文算法速度更快的原因在 于：本文算法只取两个局部图像分别进行跟踪， 计算量明显小于其他整体跟踪算法。DSST 算法 跟踪速度最慢，仅为 3.84 f/s，原因是其尺度估计 环节非常耗时。 表 2 平均每秒运行帧数 Table 2 The average operation frames f/s 类别 DSST KCF CSK STC OURS 视频 1 4.14 76.78 78.23 69.62 115.38 视频 2 10.91 63.46 78.72 247.87 110.84 视频 3 0.53 9.56 7.62 6.79 25.03 视频 4 4.47 78.78 112.91 79.02 138.38 视频 5 4.47 29.63 31.23 106.72 316.94 视频 6 1.61 46.33 51.83 25.28 50.32 视频 7 0.72 10.33 10.67 9.54 23.19 平均值 3.84 44.98 53.03 77.83 111.44 2) 距离精度 d d0 n 衡量跟踪中心准确性的指标是距离精度，即 追踪到目标的中心偏离实际位置的距离 小于预 定阀值 的帧数与视频总帧数 的比值，即 D = n(d ⩽ d0) n (17) 图 9 是综合精确度曲线，表示随着阈值 d0 从 0 像素到 50 像素递增时算出的距离精度曲线。 可见本文算法跟踪中心精度明显好于其他算法。 0 10 20 30 40 50 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 位置偏差阈值 位置精度 [0.907] Ours [0.694] DSST [0.628] KCF [0.553] CSK [0.711] STC 图 9 在 7 个序列上的综合精确度曲线 Fig. 9 Precision plot over all the seven sequences 表 3 是阈值 d0 = 20 像素时各算法的精度值， 其中最后一行是各算法在所有视频上按帧数的加 权平均值。从表 3 可见，本文算法在所有视频上 平均精确度达到了 90.7%，较排名第 2 位的 DSST 算法高出了 27.6%。其原因在于：本文算法在选 取的两个头部有比较明显的突起等特征，更容易 实现准确跟踪，而其他算法直接以中心为跟踪目 标。由于各算法为处理振铃效应对边界进行了平 滑处理，导致边界部位的突起特征弱化。 表 3 平均精度 Table 3 Average precision 类别 DSST KCF CSK STC OURS 视频 1 0.775 0.801 0.775 0.775 0.861 视频 2 0.967 0.987 1.000 1.000 1.000 视频 3 0.861 0.671 0.420 0.888 0.924 视频 4 0.491 0.384 0.542 0.542 0.898 视频 5 0.971 0.659 0.833 0.659 0.978 视频 6 0.361 0.464 0.365 0.273 0.773 视频 7 0.333 0.611 0.481 0.667 0.889 平均值 0.694 0.628 0.553 0.711 0.907 3) 跟踪成功率 成功率 SR 为重叠率 s 大于选定阀值 s0 的帧 数与总视频帧数的比值，即 SR = n(s ⩾ s0) n (18) 其中重叠率 s 的计算方法为 s = Rr ∩Rt Rr ∪Rt (19) 式中：Rr 为人工标定目标框内的像素总数，Rt 为 算法追踪到目标框内像素总数。式 (19) 中分子为 两框重合区域内像素数量，分母是两框合并后总 区域内像素数量。 s0 图 10 是在 7 个视频上的综合成功率曲线，表 示随着重合率阈值 从 0 到 1 之间递增时，各算 法的综合成功率相应的变化。可见，本文算法略 好于 DSST 算法，但远好于其他 3 种算法。其原 因在于：DSST 和本文算法都能根据目标大小调 整图像框大小，而其他算法采用固定图像框，因 此重叠率受目标尺度变化影响较大。 0 0.2 0.4 0.6 0.8 1.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 重复率阈值 成功率 [0.999] Ours [0.955] DSST [0.487] KCF [0.487] CSK [0.524] STC 图 10 在 7 个序列上的综合成功率曲线 Fig. 10 Success plots over all the seven sequences ·530· 智 能 系 统 学 报 第 14 卷