用于视觉跟踪的多层级独立相关滤波
计算机视觉与模式识别
2018-11-28 v2
摘要
对于视觉跟踪，大多数传统的基于相关滤波（CF）的方法受限于特征冗余与运动信息缺失的瓶颈。本文设计了一种新颖的跟踪框架，称为多层级独立相关滤波（MHIT）。该框架由运动估计模块、层级特征选择、独立 CF 在线学习和自适应多分支 CF 融合组成。具体而言，引入运动估计模块以捕获运动信息，有效缓解时序视频中的目标局部遮挡。CNN 表征不同语义信息的多层级深度特征可被充分挖掘以跟踪多尺度目标。为更好克服深度特征冗余，各层级特征被独立送入单分支以实现参数的在线学习。最后，自适应权重方案被集成到框架中以融合这些独立的多分支 CF，从而实现更优且更鲁棒的视觉目标跟踪。在 OTB 和 VOT 数据集上的大量实验表明，所提出的 MHIT 跟踪器能显著提升跟踪性能。尤其，在 VOT2017 挑战赛上相较顶级跟踪器取得了 20.1% 的相对性能增益，并在 VOT2018 挑战赛上达到了新的最先进性能。
引用
@article{arxiv.1811.10302,
title = {Multi-hierarchical Independent Correlation Filters for Visual Tracking},
author = {Shuai Bai and Zhiqun He and Ting-Bing Xu and Zheng Zhu and Yuan Dong and Hongliang Bai},
journal= {arXiv preprint arXiv:1811.10302},
year = {2018}
}