基于结构化支持相关滤波器的部件视觉跟踪
计算机视觉与模式识别
2018-05-28 v1
摘要
最近，基于部件和基于支持向量机 (SVM) 的跟踪器展现出了良好的性能。尽管如此，耗时的在线训练和更新过程限制了它们的实时应用。为了更好地处理局部遮挡问题并提高其效率，我们提出了一种新颖的基于部件的结构化支持相关滤波器跟踪方法，该方法吸收了 SVM 强大的判别能力以及基于部件的跟踪方法对局部遮挡不敏感的优良特性。然后，我们提出的模型可以通过星形结构模型联合学习每个部件的支持相关滤波器，该模型保留了部件之间的空间布局结构并容忍部件的离群点。此外，为了进一步缓解远离目标漂移的问题，我们将局部部件的帧间一致性引入到我们的模型中。最后，在我们的模型中，我们通过可靠部件之间的相对距离变化来准确估计目标的尺度变化。在三个基准数据集：OTB2015、TempleColor128 和 VOT2015 上的广泛实验评估表明，所提出的方法在跟踪精度、速度和鲁棒性方面均优于几种 state-of-the-art 跟踪器。
引用
@article{arxiv.1805.09971,
title = {Part-based Visual Tracking via Structural Support Correlation Filter},
author = {Zhangjian Ji and Kai Feng and Yuhua Qian},
journal= {arXiv preprint arXiv:1805.09971},
year = {2018}
}