高效判别非正交二值子空间及其在视觉跟踪中的应用
计算机视觉与模式识别
2015-09-29 v1
摘要
视觉跟踪中的关键问题之一是如何表示目标。传统的基于外观的跟踪器为了保持鲁棒性，正在使用越来越复杂的特征。然而，复杂的表示通常不仅需要更多的特征提取计算量，还会使状态推断变得复杂。我们表明，通过精心设计的特征选择方案，极其简单且具判别性的特征可用于鲁棒的目标跟踪。所提方法的核心组件是使用判别非正交二值子空间 (DNBS) 对目标进行简洁且具判别性的表示，该子空间由类 Haar 特张成。DNBS 表示继承了原始 NBS 的优点，即能高效地描述目标。它还结合了判别信息以区分前景与背景。然而，从过完备字典中寻找 DNBS 基的问题是 NP 困难的。我们提出了一种称为判别优化正交匹配追踪 (D-OOMP) 的贪婪算法来解决此问题。进一步开发了一种名为迭代 D-OOMP 的迭代公式，以大幅减少迭代间的冗余计算，并集成了分层选择策略以缩小特征的搜索空间。所提出的 DNBS 表示通过基于 SSD 的模板匹配应用于目标跟踪。我们通过在具有挑战性的视频上进行大量实验验证了该方法的有效性，并与几种 SOTA 跟踪器进行了比较，展示了其在杂乱和移动背景中跟踪目标的能力。
引用
@article{arxiv.1509.08383,
title = {Efficient Discriminative Nonorthogonal Binary Subspace with its Application to Visual Tracking},
author = {Ang Li and Feng Tang and Yanwen Guo and Hai Tao},
journal= {arXiv preprint arXiv:1509.08383},
year = {2015}
}
备注
15 pages