加权全局上下文感知相关滤波视觉跟踪算法
2018-08-20张春辉
万 欣,张春辉,张 琳,周 凡
WAN Xin1,ZHANG Chunhui2,3,ZHANG Lin1,ZHOU Fan1
1.上海海事大学 信息工程学院,上海 201306
2.中国科学院大学 网络空间安全学院,北京 100049
3.中国科学院信息工程研究所 信息安全国家重点实验室,北京 100093
1.College of Information Engineering,Shanghai Maritime University,Shanghai 201306,China
2.School of Cyber Security,University of ChineseAcademy of Sciences,Beijing 100049,China
3.State Key Laboratory of Information Security,Institute of Information Engineering,Chinese Academy of Sciences,Beijing 100093,China
1 引言
视觉跟踪是计算机视觉研究领域的一个前沿方向,其在智能监控、机器人视觉、人机交互、虚拟现实等众多富有挑战性的场景中都起到了关键性的作用。自从Bolme等人[1]提出MOSSE算法以来,相关滤波器(Correlation Filter,CF)已被广泛认可为解决视觉跟踪问题的一种稳健且有效的方法。目前基于CF的跟踪器在OTB-50[2]、OTB-100[3]、UAV123[4]、TC-128[5]、ALOV300++[6]、VOT2015[7]等当前主流基准测试中排名都非常靠前,同时保持较高的计算效率。
现在对CF跟踪器的改进主要包括纳入kernels[8]和HOG[9]特征,添加color name特征或color直方图[10],集成稀疏跟踪器[11],采用自适应尺度[12],缓解边界效应[13]以及与深度CNN特征[14]整合。目前的研究重点是解决CF跟踪器固有的缺陷,即扩大其适用范围。Liu等人[15]提出基于部分的跟踪技术以降低对部分遮挡的敏感度,并更好地保留对象结构。Ma等人[16]提出通过关联时间上下文和训练在线随机蕨丛分类器进行重新检测,实现对外观变化场景长期的稳健跟踪。Zhu等人[17]提出了一种协同CF跟踪器,它结合了一个多尺度的核化CF来处理在线CUR滤波器的尺度变化,以解决目标漂移的问题。该方法通过结合外部分类器来辅助CF或利用其高计算速度来同时运行多个CF跟踪器以提高性能。Sui等人[18]提出了一种新的峰值强度指标来度量学习到的相关滤波器的判别能力,可以有效地增强相关响应的峰值,使得滤波器具有更强的辨别能力。……
