基于动态特征选择过程的物体跟踪
计算机视觉与模式识别
2016-09-08 v1
摘要
DFST 提出了一种基于实时选择局部和时间判别性特征的优化视觉跟踪算法。特征选择机制被嵌入到自适应颜色名称（Adaptive colour Names, CN）跟踪系统中，该系统自适应地选择排名靠前的判别性特征用于跟踪。DFST 在准确率和精度上提供了显著提升，允许使用动态特征集，从而提高了系统的灵活性。DFST 基于无监督方法“无限特征选择”（Infinite Feature Selection, Inf-FS），该方法根据特征的“冗余度”对其进行排序，而无需使用类别标签。通过使用一种快速的在线字典学习算法，在处理过程中自适应调整边界框的大小。在每次更新时，我们在目标周围（在不同位置和尺度上）使用多个样本。DFST 还通过在预测位置添加微移位和边界框自适应改进了 CN。
引用
@article{arxiv.1609.01958,
title = {Object Tracking via Dynamic Feature Selection Processes},
author = {Giorgio Roffo and Simone Melzi},
journal= {arXiv preprint arXiv:1609.01958},
year = {2016}
}
备注
The paper will appear in the USB ECCV workshops proceedings and on the IEEE Xplore. The results will be presented at VOT2016 workshop which will take place on 10.12 at ECCV2016. In the days following the workshop, the raw results of the submitted trackers as well as the results paper will be made publicly available from the VOT homepage