用于视觉跟踪的深度运动特征
计算机视觉与模式识别
2016-12-21 v1
摘要
鲁棒的视觉跟踪是一个具有挑战性的计算机视觉问题，有着众多实际应用。大多数现有方法采用手工设计的表观特征，如 HOG 或 Color Names。最近，从卷积神经网络提取的深度 RGB 特征已成功应用于跟踪。尽管取得了成功，这些特征仅捕获表观信息。另一方面，运动线索提供了具有判别性和互补性的信息，可以提升跟踪性能。与视觉跟踪不同，深度运动特征已成功应用于动作识别和视频分类任务。通常，运动特征是通过在从大量标注视频中提取的光流图像上训练 CNN 来学习的。本文研究了深度运动特征在检测式跟踪框架中的影响。我们进一步表明，手工设计的、深度 RGB 和深度运动特征包含互补信息。据我们所知，我们是首个提出将表观信息与深度运动特征融合用于视觉跟踪的。全面的实验清楚地表明，我们融合深度运动特征的方法优于仅依赖表观信息的标准方法。
引用
@article{arxiv.1612.06615,
title = {Deep Motion Features for Visual Tracking},
author = {Susanna Gladh and Martin Danelljan and Fahad Shahbaz Khan and Michael Felsberg},
journal= {arXiv preprint arXiv:1612.06615},
year = {2016}
}
备注
ICPR 2016. Best paper award in the "Computer Vision and Robot Vision" track