基于迭代Tikhonov正则化的Region-adaptive Multi-channel Tracker——RAMCT
计算机视觉与模式识别
2025-04-22 v1
摘要
基于相关滤波（CF）的跟踪器因其在热红外（TIR）目标跟踪中的计算效率而受到广泛关注。然而，现有方法在面对低分辨率图像、遮挡、背景杂乱和目标变形等挑战时，跟踪性能受到严重影响。为克服这些限制，我们提出了RAMCT——一种集成多通道特征优化与自适应正则化策略的区域自适应稀疏相关滤波跟踪器。首先，我们通过引入空间自适应二元掩码来细化CF学习过程，该掩码在目标区域内强制稀疏，同时动态抑制背景干扰。其次，我们引入广义奇异值分解（GSVD），并提出一种基于GSVD的区域自适应迭代Tikhonov正则化方法。这使我们能够在多个特征通道之间实现灵活且稳健的优化，提高对遮挡和背景变化的韧性。第三，我们提出一种基于动态差异度参数调整的在线优化策略。该机制促进对目标和背景变化的实时适应，从而提高跟踪精度和鲁棒性。在LSOTB-TIR、PTB-TIR、VOT-TIR2015和VOT-TIR2017基准测试中进行的广泛实验表明，RAMCT在准确性和鲁棒性方面均优于其他最先进的跟踪器。
引用
@article{arxiv.2504.14278,
title = {RAMCT: Novel Region-adaptive Multi-channel Tracker with Iterative Tikhonov Regularization for Thermal Infrared Tracking},
author = {Shang Zhang and Yuke Hou and Guoqiang Gong and Ruoyan Xiong and Yue Zhang},
journal= {arXiv preprint arXiv:2504.14278},
year = {2025}
}