用于目标轮廓跟踪的深度结构化条件随机场模型
计算机视觉与模式识别
2016-02-17 v2 机器学习
机器学习
摘要
在本工作中，我们引入了一种深度结构化条件随机场（DS-CRF）模型，用于基于状态的目标轮廓跟踪。所提出的DS-CRF模型由一系列状态层组成，其中每个状态层在空间上刻画特定时间点的目标轮廓。相邻状态层之间的交互通过基于帧间光流动态确定的层间连接建立。通过在这种深度结构化概率图模型中以动态方式结合空间和时间上下文，所提出的DS-CRF模型使我们能够开发一个框架，该框架可以准确高效地跟踪随时间发生巨大变化的目标轮廓，以及在处理遮挡和场景内多个目标等不同情况下。使用包含遮挡和多目标等不同场景的视频监控数据集的实验结果表明，与均值漂移跟踪等基线方法以及上下文跟踪和增强粒子滤波等最先进方法相比，所提出的DS-CRF方法提供了强劲的目标轮廓跟踪性能。
引用
@article{arxiv.1501.00752,
title = {A Deep-structured Conditional Random Field Model for Object Silhouette Tracking},
author = {Mohammad Shafiee and Zohreh Azimifar and Alexander Wong},
journal= {arXiv preprint arXiv:1501.00752},
year = {2016}
}
备注
17 pages