AutoTrack：面向无人机的高性能视觉跟踪与自动时空正则化
计算机视觉与模式识别
2020-03-31 v1
摘要
大多数基于判别相关滤波（DCF）的现有跟踪器试图引入预定义正则化项以改进目标对象的学习，例如通过抑制背景学习或限制相关滤波的变化率。然而，预定义参数带来大量调参负担，且仍无法适应设计者未预料的新情形。本文提出一种新方法，在线自动且自适应地学习时空正则化项。引入空间局部响应图变化作为空间正则化，使 DCF 聚焦于对象中可信部分的学习，而全局响应图变化决定滤波器的更新率。在四个无人机基准上的大量实验证明了我们的方法优于最先进的基于 CPU 与 GPU 的跟踪器，在单个 CPU 上以约 60 帧每秒的速度运行。我们的跟踪器还被提出应用于无人机定位。在室内实际场景中的大量测试证明了我们定位方法的有效性与通用性。代码见 https://github.com/vision4robotics/AutoTrack。
引用
@article{arxiv.2003.12949,
title = {AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization},
author = {Yiming Li and Changhong Fu and Fangqiang Ding and Ziyuan Huang and Geng Lu},
journal= {arXiv preprint arXiv:2003.12949},
year = {2020}
}
备注
2020 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)