利用GrabCut学习残差感知相关滤波器并精化尺度估计以实现实时无人机跟踪
计算机视觉与模式识别
2021-04-08 v1
摘要
基于无人机（UAV）的跟踪在农业、航空、导航、交通与公共安全等应用中正吸引日益增加的关注并快速发展。近来，基于判别相关滤波器（DCF）的跟踪器因在单CPU上的高效率和良好鲁棒性而在无人机跟踪领域脱颖而出。然而，由于机载计算资源有限及其他挑战，现有基于DCF方法的高效性与准确性仍不尽如人意。本文中，我们探索利用GrabCut分割来改进DCF跟踪器中广泛采用的判别尺度估计，事实上，由于累积的尺度误差会随在线更新恶化外观模型，这极大影响了跟踪器的精度与准确度。同时，受残差表示启发，我们挖掘视频固有的残差本质，提出残差感知相关滤波器，其在滤波器学习中展现出更好的收敛特性。我们在四个无人机基准（即UAV123@10fps、DTB70、UAVDT与Vistrone2018（VisDrone2018-test-dev））上开展了大量实验。结果表明，我们的方法达到了最先进的性能。
引用
@article{arxiv.2104.03114,
title = {Learning Residue-Aware Correlation Filters and Refining Scale Estimates with the GrabCut for Real-Time UAV Tracking},
author = {Shuiwang Li and Yuting Liu and Qijun Zhao and Ziliang Feng},
journal= {arXiv preprint arXiv:2104.03114},
year = {2021}
}