基于判别滤波器与孪生网络的视觉目标跟踪：综述与展望
计算机视觉与模式识别
2021-12-07 v1
摘要
准确且鲁棒的视觉目标跟踪是最具挑战性与基础性的计算机视觉问题之一。其任务是在仅给定目标初始位置及分割，或其边界框形式的粗略近似下，估计图像序列中目标的轨迹。判别相关滤波（DCFs）与深度孪生网络（SNs）已成为主导的跟踪范式，带来了显著进展。随着过去十年视觉目标跟踪的快速发展，本综述基于九项跟踪基准的结果，对超过90种DCF与孪生跟踪器进行了系统而全面的回顾。首先，我们介绍DCF与孪生跟踪核心公式的背景理论。随后，我们区分并全面评述这两类跟踪范式中共同的及特定的开放研究挑战。此外，我们在九项基准上透彻分析DCF与孪生跟踪器的性能，涵盖视觉跟踪的不同实验方面：数据集、评估指标、性能与速度比较。最后，基于分析提出针对显著开放挑战的建议与意见。
引用
@article{arxiv.2112.02838,
title = {Visual Object Tracking with Discriminative Filters and Siamese Networks: A Survey and Outlook},
author = {Sajid Javed and Martin Danelljan and Fahad Shahbaz Khan and Muhammad Haris Khan and Michael Felsberg and Jiri Matas},
journal= {arXiv preprint arXiv:2112.02838},
year = {2021}
}
备注
Tracking Survey