SPiKeS：用于鲁棒视觉跟踪的超像素-关键点结构
计算机视觉与模式识别
2016-10-25 v1
摘要
在视觉跟踪中，基于部件的跟踪器因其对遮挡和形变的鲁棒性而颇具吸引力。然而，由矩形块表示的部件不考虑目标的形状，而超像素则凭借其边界证据能够考虑。尽管如此，由于超像素缺乏判别力，对其跟踪较为困难。因此，为使超像素能作为目标部件被判别性地跟踪，我们提出用关键点增强它们。通过结合这两种特征的性质，我们构建了一种称为超像素-关键点结构（SPiKeS）的新元素。这些新目标部件具有判别性，可通过简单的最近邻匹配过程高效定位。随后，在跟踪过程中，每个匹配为目标中心投票以给出其位置。此外，新特征的有趣特性使得能够开发高效的模型更新以实现更鲁棒的跟踪。根据实验结果，我们的基于 SPiKeS 的跟踪器在许多具有挑战性的场景中表现出鲁棒性，与 state-of-the-art 相比表现优异。
引用
@article{arxiv.1610.07238,
title = {SPiKeS: Superpixel-Keypoints Structure for Robust Visual Tracking},
author = {François-Xavier Derue and Guillaume-Alexandre Bilodeau and Robert Bergevin},
journal= {arXiv preprint arXiv:1610.07238},
year = {2016}
}