使用深度核化相关滤波器的航空高光谱视频跟踪
计算机视觉与模式识别
2018-05-08 v3
摘要
高光谱成像在提升低空间与时间分辨率的航空器跟踪技术水平方面具有巨大潜力。近来，自适应多模态高光谱传感器因能从航空平台快速记录扩展数据而受到越来越多的关注。在本研究中，我们将传统目标跟踪中的流行概念，即（1）核化相关滤波器（Kernelized Correlation Filters, KCF）与（2）深度卷积神经网络（CNN）特征，应用于高光谱域的航空跟踪。我们提出了基于深度高光谱核化相关滤波器的跟踪器（DeepHKCF），以利用自适应多模态高光谱传感器高效跟踪航空器。我们通过设计一种多感兴趣区域（ROIs）中的单一 KCF 方法来覆盖合理大的区域，从而解决低时间分辨率问题。为提高从多个 ROI 提取深度卷积特征的速度，我们设计了一种有效的 ROI 映射策略。所提出的跟踪器还可灵活地与更先进的相关滤波器跟踪器结合。DeepHKCF 跟踪器在由数字成像与遥感图像生成（DIRSIG）软件生成的合成高光谱视频中，使用深度特征表现极为出色。此外，我们利用 DIRSIG 生成了一个大型合成单通道数据集，用于在广域运动图像（WAMI）平台中进行车辆分类。由此证明了 DIRSIG 软件的高保真度，并发布了一个大规模航空车辆分类数据集以支持 WAMI 平台中的车辆检测与跟踪研究。
引用
@article{arxiv.1711.07235,
title = {Tracking in Aerial Hyperspectral Videos using Deep Kernelized Correlation Filters},
author = {Burak Uzkent and Aneesh Rangnekar and Matthew J. Hoffman},
journal= {arXiv preprint arXiv:1711.07235},
year = {2018}
}