视频目标跟踪是计算机视觉中的重要任务之一，在实际生活中有着广泛的应用，例如视频监控、视觉导航等。视 频目标跟踪任务也面临着诸多挑战，如目标遮挡、目标形变等情形。为解决目标跟踪中的挑战，实现精确高效的目标跟踪， 近年来出现大量的目标跟踪算法。本文介绍了近十年来视频目标跟踪领域两大主流算法框架（基于相关滤波和孪生网络的目 标跟踪算法）的基本原理、改进策略和代表性工作，之后按照网络结构分类介绍了其他基于深度学习的目标跟踪算法，还从 解决目标跟踪所面临挑战的角度介绍了应对各类问题的典型解决方案，并总结了视频目标跟踪的历史发展脉络和未来发展趋 势。本文还详细介绍和比较了面向目标跟踪任务的数据集和挑战赛，并从数据集的数据统计和算法的评估结果出发，总结了 各类视频目标跟踪算法的特点和优势。针对目标跟踪未来发展趋势，本文认为视频目标跟踪还面临诸多难题亟需解决，例如 当前的算法往往无法在长时间、低功耗、抗干扰的环境下实地应用。未来，考虑多模态数据融合，如将深度图像、红外图像 数据与传统彩色视频联合分析，将会为目标跟踪带来更多新的解决方案。目标跟踪任务也将会和其他任务，如视频目标检测、 视频目标分割，相互促进共同发展。
论文链接：
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢