用于高效自适应目标跟踪的 Deep-LK
计算机视觉与模式识别
2017-05-31 v2
摘要
在本文中，我们提出了一种新的基于回归的高效目标跟踪方法，我们称之为 Deep-LK。我们的方法与 Held 等人的使用回归网络进行通用目标跟踪（GOTURN）框架密切相关。我们做出了以下贡献。首先，我们证明了像 GOTURN 这样的孪生回归网络与经典逆合成 Lucas & Kanade (IC-LK) 算法之间存在理论联系。进一步，我们证明了与 GOTURN 不同，IC-LK 会将其回归器自适应于当前跟踪帧的外观。我们认为，GOTURN 中缺失的这一属性可归因于其在未见过的目标和/或视角上表现不佳。其次，我们提出了一个新颖的目标跟踪框架——我们称之为 Deep-LK——其灵感来源于 IC-LK 框架。最后，我们展示了令人印象深刻的结果，证明 Deep-LK 大幅优于 GOTURN。此外，我们证明了其跟踪性能可与当前最先进的深度跟踪器相媲美，同时在计算效率上高出一个数量级（即 100 FPS）。
引用
@article{arxiv.1705.06839,
title = {Deep-LK for Efficient Adaptive Object Tracking},
author = {Chaoyang Wang and Hamed Kiani Galoogahi and Chen-Hsuan Lin and Simon Lucey},
journal= {arXiv preprint arXiv:1705.06839},
year = {2017}
}