OpenCV實戰| 八種目標跟踪算法

資料來源: https://mp.weixin.qq.com/s?subscene=23&__biz=MzUxNjcxMjQxNg==&mid=2247485157&idx=1&sn=71958fb2951cb3f7ff7ce868a177573c&chksm=f9a2746aced5fd7c9ef86660657f6befe8a70029505b8d1a17cfe212be35f8356baa37b8d9e1&scene=7&key=bf49e72a192178bfbeeac398a9b2d9f06d9fd8d42876faa4229ab42bcf0036c670081a54104bc1aa307f5946dcedd86c39aff74dc8187429fab2d8e477290bbb55213f684392b0775d8fe7b93e8ba2f3&ascene=0&uin=MjIwODk2NDgxNw%3D%3D&devicetype=Windows+10+x64&version=62090529&lang=zh_TW&exportkey=AnLoAvaar2sagsIAElBEYjA%3D&pass_ticket=XpKWTSs5D5AL70GOlf8f9nsq1J8zPUMrL3oMN4foYQdpL15qi6CeXIEotrwM%2FZ4t

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