利用大量锚点的跟踪
计算机视觉与模式识别
2017-12-12 v2
摘要
本文提出一种在线自适应无模型跟踪器，用于在视频序列中跟踪单个对象，以应对现实世界跟踪挑战，如低分辨率、对象变形、遮挡和运动模糊。新颖之处在于构建强大的外观模型，该模型从初始边界框捕获特征，然后组装成锚点特征。这些特征记忆对象的全局模式，并具有内部星图状结构。这些特征独特且灵活，有助于跟踪通用和可变形对象，不限于特定对象。此外，使用短期一致性和长期一致性在线评估每个特征的相关性。这些参数经过调整以保留一致的特征，这些特征为对象位置投票并处理长期跟踪场景中的离群值。另外，以高斯方式投票有助于解决跟踪系统的固有噪声并准确本地化对象。此外，所提跟踪器使用成对距离度量应对尺度变化，并结合像素级二进制特征和全局加权颜色特征进行模型更新。最后，在视觉跟踪基准数据集上的实验结果展示了所提跟踪器的有效性和竞争力。
引用
@article{arxiv.1702.02012,
title = {Tracking using Numerous Anchor points},
author = {Tanushri Chakravorty and Guillaume-Alexandre Bilodeau and Eric Granger},
journal= {arXiv preprint arXiv:1702.02012},
year = {2017}
}
备注
Revised text version. Accepted for publication in Journal of Machine Vision and Applications, December, 2017