正则化l1跟踪与实例分割集成用于视频目标跟踪
计算机视觉与模式识别
2020-10-28 v1 图像与视频处理
摘要
我们提出了一种检测跟踪(tracking-by-detection)方法,在正则化框架下将深度目标检测器与粒子滤波跟踪器相集成,其中被跟踪目标由稀疏字典表示。我们构建了一种在检测器与跟踪器之间建立共识的新型观测模型,使得我们能够在深度检测器的引导下更新字典。这产生了贯穿视频序列的目标外观的高效表示,从而提升了对遮挡和姿态变化的鲁棒性。此外,我们提出了一种由平移、旋转、缩放和剪切参数组成的新状态向量,可跟踪形变的目标边界框,从而显著增强对尺度变化的鲁棒性。在具有挑战性的VOT2016和VOT2018基准数据集上报告的数值结果表明,所引入的跟踪器L1DPF-M在两个数据集上达到了相当的鲁棒性,同时在两个数据集上均优于SOTA跟踪器,在IoU阈值为0.5时成功率分别提升了11%和9%。
引用
@article{arxiv.1912.12883,
title = {Integration of Regularized l1 Tracking and Instance Segmentation for Video Object Tracking},
author = {Filiz Gurkan and Bilge Gunsel},
journal= {arXiv preprint arXiv:1912.12883},
year = {2020}
}