用于热红外目标跟踪的大间隔结构化卷积算子
计算机视觉与模式识别
2019-05-14 v2 人工智能
图形学
多媒体
摘要
与可见光目标跟踪相比，热红外（TIR）目标跟踪可在全黑环境中跟踪任意目标，因其不受光照变化影响。然而，许多不期望的属性限制了TIR跟踪的潜力，例如缺乏视觉颜色图案与低分辨率。近来，结构化输出支持向量机（SOSVM）与判别相关滤波（DCF）已分别成功应用于可见光目标跟踪。受此启发，本文提出一种大间隔结构化卷积算子（LMSCO）以实现高效的TIR目标跟踪。为提升跟踪性能，我们采用空间正则化与隐式插值来获取TIR目标的连续深度特征图，包括深度表观特征与深度运动特征。最后，利用协同优化策略显著更新算子。我们的方法不仅继承了SOSVM强判别能力的优势，还借助更高维特征与更密集样本实现了准确且鲁棒的跟踪。据我们所知，我们首次将DCF与SOSVM的优势结合用于TIR目标跟踪。在两个热红外跟踪基准即 VOT-TIR2015 与 VOT-TIR2016 上的综合评估清楚地表明，我们的LMSCO跟踪器取得了令人印象深刻的成果，并在准确率与鲁棒性方面以充足帧率优于大多数最先进（SOTA）跟踪器。
引用
@article{arxiv.1804.07006,
title = {Large Margin Structured Convolution Operator for Thermal Infrared Object Tracking},
author = {Peng Gao and Yipeng Ma and Ke Song and Chao Li and Fei Wang and Liyi Xiao},
journal= {arXiv preprint arXiv:1804.07006},
year = {2019}
}
备注
Accepted as contributed paper in ICPR'18