25、目标跟踪与物联网技术：实验、特性与应用

目标跟踪与物联网技术：实验、特性与应用

目标跟踪方法实验结果

在目标跟踪领域，一种新的跟踪方法被提出并进行了实验。该方法采用的核函数为高斯核函数，表达式如下：
[K(x_1, x_2) = \exp\left(-\frac{||x_1 - x_2||^2}{2\sigma^2}\right)]
其中，(\sigma)的值设定为 1。在实验中，共裁剪出 800 个目标候选区域，不进行缩放操作，标准差为 [12, 12, 0, 0, 0, 0]。为了获取第一帧中的初始参数向量 (w_1)，使用 LIBSVM 软件在对偶空间中进行支持向量机（SVM）训练。SVM 训练的正样本数量为 200，负样本数量约为 350。为了估计目标的尺度，在跟踪目标的位置裁剪出 25 个新的目标候选区域，标准差为 [0, 0, 0.015, 0, 0, 0]。目标的估计尺度是通过在第一视频帧中学习到的判别参数 (w_1) 计算得分最高的候选区域的尺度。

实验在配备 3.4 GHz 频率的 Intel Core i7 处理器、8 GB 内存的 Windows 10 平台以及 MATLAB 2016a 环境下进行。为了进行定量评估，选择了中心位置误差（CE）和重叠率（OR）这两个最常用的指标。中心位置误差衡量目标的真实位置与跟踪位置之间的欧几里得距离。重叠率定义为真实边界框（(B_G)）和跟踪对象边界框（(B_T)）的交集与并集的比值，公式如下：
[Score = \frac{area(B_T \cap B_G)}{area(B_T \cup B_G)}]

该方法在 CVPR 2013 数据集上进行了测试，该数据集包含目标经历低到严重旋转、尺度变化、遮挡、变形和运动模糊的视频序列，