用OpenCV實現目標追踪的八種方法

資料來源: https://blog.csdn.net/weixin_38907560/article/details/82292091

這八種工具包括：

BOOSTING Tracker：和Haar cascades（AdaBoost）背後所用的機器學習算法相同，但是距其誕生已有十多年了。這一追踪器速度較慢，並且表現不好，但是作為元老還是有必要提及的。（最低支持OpenCV 3.0.0）

MIL Tracker：比上一個追踪器更精確，但是失敗率比較高。（最低支持OpenCV 3.0.0）

KCF Tracker：比BOOSTING和MIL都快，但是在有遮擋的情況下表現不佳。（最低支持OpenCV 3.1.0）

CSRT Tracker：比KCF稍精確，但速度不如後者。（最低支持OpenCV 3.4.2）

MedianFlow Tracker：在報錯方面表現得很好，但是對於快速跳動或快速移動的物體，模型會失效。（最低支持OpenCV 3.0.0）

TLD Tracker：我不確定是不是OpenCV和TLD有什麼不兼容的問題，但是TLD的誤報非常多，所以不推薦。（最低支持OpenCV 3.0.0）

MOSSE Tracker：速度真心快，但是不如CSRT和KCF的準確率那麼高，如果追求速度選它準沒錯。（最低支持OpenCV 3.4.1）

GOTURN Tracker：這是OpenCV中唯一一深度學習為基礎的目標檢測器。它需要額外的模型才能運行，本文不詳細講解。（最低支持OpenCV 3.2.0）

我個人的建議：

如果追求高準確度，又能忍受慢一些的速度，那麼就用CSRT

如果對準確度的要求不苛刻，想追求速度，那麼就選KCF

純粹想節省時間就用MOSSE

從OpenCV 3開始，目標檢測器得到了快速發展，下表總結了不同版本的OpenCV中可食用的追踪器：