视觉目标跟踪：初始化问题
计算机视觉与模式识别
2018-05-23 v2
摘要
模型初始化是目标跟踪的一个重要组成部分。跟踪算法通常被给定序列的首帧以及一个指示目标位置的边界框（BB）。该 BB 除目标外还可能包含大量背景像素，并可能导致基于部件的跟踪算法在 BB 的背景区域中初始化其目标模型。本文将此作为标签缺失问题来处理，将离 BB 足够远的像素标记为背景，并学习未知像素的标签。三种技术——单类 SVM（OC-SVM）、基于采样的背景模型（SBBM）（一种基于像素样本的新颖背景模型）和基于学习的数码抠图（LBDM）——被适配于该问题。这些技术在 VOT2016 跟踪基准上通过留一视频交叉验证进行了评估。我们的评估显示 OC-SVM 与 SBBM 均能提供良好水平的分割精度，但参数依赖过强以致无法用于真实场景。我们表明 LBDM 通过交叉验证选取参数实现了显著更高的性能，并且其对参数变化具有鲁棒性。
引用
@article{arxiv.1805.01146,
title = {Visual Object Tracking: The Initialisation Problem},
author = {George De Ath and Richard Everson},
journal= {arXiv preprint arXiv:1805.01146},
year = {2018}
}
备注
15th Conference on Computer and Robot Vision (CRV 2018). Source code available at https://github.com/georgedeath/initialisation-problem