計算機視覺中，目前有哪些經典的目標跟蹤演算法？

1樓：砥礪前行的登山者

為了該問題，剛註冊的知乎，已入坑。之前研究經典的追蹤演算法，乃至有種「山中一日，世上已千年」的趕腳。該領域已經漸漸沉浸於相關濾波和深度學習裡，但以前的經典還需好好繼承，舉個小爪爪，以後和大家一起交流目標跟蹤的經驗~~

2樓：Ge皮燉蛋湯

MOSSE，Visual Object Tracking using Adaptive Correlation Filters，CVPR10，相關濾波跟蹤比較早的一篇，不敢說第一篇，但開啟濾波跟蹤。適合作為baseline.

MIL TRACK，也是高被引的一篇，boosting-based方法已經不流行了？

3樓：

之前做過一段時間的跟蹤，說說我在工程上面遇到的難題，那時專注於TLD，CT兩種演算法。

大家也知道這倆演算法在現實環境中效果也是不錯的，就是你滑鼠指定了box，就可以跟蹤上。

但是實際的工程問題是這個box不是你人工指定的，你需要去檢測到，以及你要判斷什麼時候檢測到了。

4樓：bingjilin1125

用深度做的tracking 大家有研究的嗎？最近剛接觸這個，看了FCNT，基於卷積網路的，有幾篇大牛的文章也用到了這個追蹤演算法，精確度挺高的。

5樓：

TLD已經是5年前的方法了吧，在跟蹤精度和速度上都遠遠比不上近兩年的方法。從13年的CVPR出來那個benchmark之後，這兩三年object tracking的發展是飛速的，大家有了公認的可以比較的benchmark和指標，就會推動這個領域的發展。

目前效果好的主要兩大類吧，一種基於CNN，一種基於correlation filter，的確效果很不錯，但是前者受硬體限制，也受速度限制，後者更輕量級，效果和速度也很贊。

入tracking坑快一年了，大牛們速度驚人，這兩年發展很迅速。

6樓：

arxiv.org/pdf/1509.05520.pdf

。從這類方法在benchmark上的測試結果看，feature才是王道啊，換個特徵或者搞幾個特徵融合一下效能立馬上去了。

有時間再更新吧。知乎首答。

7樓：路人

我的研究方向就是目標跟蹤，目前比較流行的是相關濾波演算法的跟蹤 kcf及其各種改進版。如果應用於工業的話建議看下tld和光流跟蹤方面的演算法，tld有redetection功能是目前工業界應用最廣的演算法

現在深度學習已經攻占了這個領域，精度前兩位的演算法都是基於深度學習的。

8樓：James Zhu

既然問的經典演算法，那就幾乎可以毫不猶豫地回答camshift、meanshift、Kalman filter、Optical flow之類的了

凡是低版本的OpenCV裡面提供的函式，肯定用的都是最基礎或者最經典的演算法了。

即使有些過時，但是作為ad hoc方案或者最底層的處理演算法還是不錯的。

舉兩個我自己做過的例子

Kalman filter：

原本是想估算下雲的速度，無意中發現了一架戰鬥機。。。紅圈裡面的出現中途

飛離Optical flow追蹤車輛：

追蹤綠色區域也就是四個路口的車輛通過情況並計數。

主要追蹤演算法就是optical flow

當然preprocessing以及其他輔助演算法也是需要的。

左圖就是背景抽離＋區塊融合的中間效果。

右圖是實時追蹤的效果。

9樓：

單目標，無分割:

oab, semib, fct, ivt, mil, vtd, df, tld, l1t, mtt, struck, apg, frag, vts

手機打字，著名的暫時想到這些，有讚再繼續補充~⊙﹏⊙