超越背景感知相关滤波：基于手工与深度RGB特征的自适应上下文建模视觉跟踪
计算机视觉与模式识别
2021-09-30 v2 机器学习
图像与视频处理
摘要
近年来，背景感知相关滤波器在视觉目标跟踪中引起了大量研究关注。然而，由于使用手工特征，这些方法无法恰当地建模目标外观。另一方面，近期基于深度学习的视觉跟踪方法在带来巨大计算量的同时也提供了具有竞争力的性能。本文提出一种基于自适应背景感知相关滤波的跟踪器，通过使用方向梯度直方图（HOG）或卷积神经网络（CNN）特征图有效地建模目标外观。所提方法利用快速二维非极大值抑制（NMS）算法和语义信息比较来检测挑战性情形。当基于HOG的响应图不可靠，或上下文区域与先验区域的语义相似度较低时，所提方法构建CNN上下文模型以改进目标区域估计。此外，拒绝选项使得所提方法仅在有效区域上更新CNN上下文模型。综合实验结果表明，在OTB-50、OTB-100、TC-128、UAV-123和VOT-2015数据集上，所提自适应方法在准确率和鲁棒性上明显优于最先进（SOTA）的视觉目标跟踪方法。
引用
@article{arxiv.2004.02932,
title = {Beyond Background-Aware Correlation Filters: Adaptive Context Modeling by Hand-Crafted and Deep RGB Features for Visual Tracking},
author = {Seyed Mojtaba Marvasti-Zadeh and Hossein Ghanei-Yakhdan and Shohreh Kasaei},
journal= {arXiv preprint arXiv:2004.02932},
year = {2021}
}
备注
To be appeared in Multimedia Tools and Applications, Springer, 2021