基于自适应混合标签的突变敏感相关滤波实时无人机跟踪
计算机视觉与模式识别
2021-06-16 v1 机器人学
摘要
基于无人机(UAV)的视觉跟踪面临诸多挑战，例如目标运动和遮挡。这些挑战通常会导致目标外观发生非预期突变并引发跟踪失败。然而，流行的基于判别相关滤波(DCF)的跟踪器由于采用预定义标签（仅关注训练区域中心），对目标突变不敏感。同时，由遮挡或相似物体引起的外观突变通常会导致不可避免地学习到错误信息。为应对外观突变，本文提出一种新颖的基于DCF的方法，通过自适应混合标签（即MSCF）增强对突变的敏感性与抗性。理想标签与相关滤波器联合优化并保持时间一致性。此外，一种称为突变威胁因子(MTF)的新型突变度量被应用于动态修正标签。我们在广泛使用的无人机基准上进行了大量实验。结果表明，MSCF跟踪器的性能超越了其他26种最先进的基于DCF和基于深度的跟踪器。凭借38帧/秒的实时速度，所提方法足以满足无人机跟踪任务需求。
引用
@article{arxiv.2106.08073,
title = {Mutation Sensitive Correlation Filter for Real-Time UAV Tracking with Adaptive Hybrid Label},
author = {Guangze Zheng and Changhong Fu and Junjie Ye and Fuling Lin and Fangqiang Ding},
journal= {arXiv preprint arXiv:2106.08073},
year = {2021}
}
备注
Accepted by ICRA 2021, Github: https://github.com/vision4robotics/MSCF-tracker