SiamEvent：基于边缘感知相似性学习的孪生网络事件目标跟踪
计算机视觉与模式识别
2021-09-29 v1 人工智能
机器人学
摘要
事件相机是感知逐像素强度变化并输出异步事件流的新型传感器，相较传统相机具有诸多优势，如高动态范围（HDR）与无运动模糊。已有研究表明，仅利用事件即可通过运动补偿或预测进行目标跟踪。然而，现有方法假设目标始终运动且为独立单体目标，并且无法跟踪固定场景中停止的非独立运动物体。本文中，我们提出了一种新颖的基于事件的目标跟踪框架，称为 SiamEvent，通过边缘感知相似性学习使用孪生网络。重要的是，为寻找具有与目标最相似边缘结构的部位，我们提出关联两个时间戳下的嵌入事件以计算目标边缘相似性。孪生网络通过寻找具有最高相似性得分的部位来实现对任意目标边缘的跟踪。这拓展了基于事件的目标跟踪的应用可能，不仅适用于独立的单体运动物体，也适用于相机与场景的多种设置。此外，还提出了目标边缘初始化与边缘检测器以防止 SiamEvent 出现漂移问题。最后，我们构建了一个包含多种合成与真实场景的开放数据集以训练和评估 SiamEvent。大量实验表明，SiamEvent 在真实场景上比基线实现高达 15% 的跟踪性能提升，并在高动态范围与运动模糊等挑战性条件下具有更鲁棒的跟踪性能。
引用
@article{arxiv.2109.13456,
title = {SiamEvent: Event-based Object Tracking via Edge-aware Similarity Learning with Siamese Networks},
author = {Yujeong Chae and Lin Wang and Kuk-Jin Yoon},
journal= {arXiv preprint arXiv:2109.13456},
year = {2021}
}