基于全卷积网络的全局最优目标跟踪
计算机视觉与模式识别
2016-12-28 v1
摘要
跟踪是计算机视觉与模式识别中最重要但仍然困难的任务之一。跟踪领域的主要困难在于外观变化和遮挡。大多数传统跟踪方法预先设定参数或模板以跟踪目标对象，并需要相应地进行修改。因此，我们提出了一种新的鲁棒跟踪方法，使用全卷积网络（FCN）获取目标概率图，并使用动态规划（DP）寻找贯穿所有视频帧的全局最优路径。我们提出的方法利用 FCN 解决目标外观变化问题，并通过 DP 处理遮挡。我们表明，该方法在跟踪视频帧中的各种单个目标时是有效的。
引用
@article{arxiv.1612.08274,
title = {Globally Optimal Object Tracking with Fully Convolutional Networks},
author = {Jinho Lee and Brian Kenji Iwana and Shouta Ide and Seiichi Uchida},
journal= {arXiv preprint arXiv:1612.08274},
year = {2016}
}
备注
6pages, 8figures