基于多中层次视觉线索融合的超像素张量池化视觉跟踪
图像与视频处理
2019-10-15 v2
摘要
本文提出一种称为超像素张量池化跟踪器的方法，该方法能够将由超像素捕获的多个中层次线索融合为稀疏池化张量特征。我们的方法首先采用超像素方法从目标模板或候选区域生成不同的图像块（超像素）。然后，对于每个超像素，它将包括 HSI 颜色、RGB 颜色和空间坐标在内的不同中层次线索编码为直方图矩阵，以构建新的特征空间。接下来，这些矩阵被组合成一个三阶张量。此后，该张量被池化为稀疏表示。随后执行增量正负子空间学习。我们的方法兼具中层次线索与稀疏表示的良好特性，因此对大幅外观变化更具鲁棒性，并能捕获目标物体紧凑且信息丰富的外观。为验证所提方法，我们在具有多种视觉跟踪挑战的 24 个序列上将其与最先进的方法进行比较。实验结果表明，我们的方法显著优于它们。
引用
@article{arxiv.1906.04021,
title = {Superpixel Tensor Pooling for Visual Tracking using Multiple Midlevel Visual Cues Fusion},
author = {Chong Wu and Le Zhang and Jiawang Cao and Hong Yan},
journal= {arXiv preprint arXiv:1906.04021},
year = {2019}
}
备注
8 pages, 7 figures. in IEEE Access