一种用于视觉跟踪的通用更新步调框架
计算机视觉与模式识别
2016-03-02 v1
摘要
本文提出一种基于步调化更新与轨迹选择的新型框架，以缓解视觉跟踪中的模型漂移问题。给定一个基础跟踪器，生成一个跟踪器集成，其中每个跟踪器的更新行为被步调化，然后向前和向后跟踪目标对象以在区间内生成一对轨迹。随后，我们基于每个跟踪器的轨迹对隐式地执行自我检查，并选择最鲁棒的跟踪器。所提框架能有效利用连续帧的时间上下文，并避免学习被污染的信息。在标准基准上的大量实验表明，该框架相比最先进的跟踪器取得了更优的性能。
引用
@article{arxiv.1603.00132,
title = {A Universal Update-pacing Framework For Visual Tracking},
author = {Zexi Hu and Yuefang Gao and Dong Wang and Xuhong Tian},
journal= {arXiv preprint arXiv:1603.00132},
year = {2016}
}
备注
Submitted to ICIP 2016