-
题名一种用于视觉跟踪的低秩上下文感知的相关滤波器
- 1
-
-
作者
苏银强
王宣
王淳
李充
徐芳
-
机构
中国科学院长春光学精密机械与物理研究所
中国科学院大学
中国人民解放军空军装备部驻沈阳地区军事代表局驻长春地区军事代表室
-
出处
《计算机科学》
CSCD
北大核心
2024年第9期121-128,共8页
-
基金
国家自然科学基金面上项目(62175233)
吉林省自然科学基金面上项目(20220101111JC)。
-
文摘
基于DCF的目标跟踪方法在保持实时运行时,由于在精度和鲁棒性之间实现了很好的权衡而备受关注。但是,当出现遮挡、移出视野、平面外旋转等干扰时,现有跟踪器仍面临着模型漂移甚至跟踪失败的情况。为此,提出了一种基于低秩上下文感知的相关滤波器LR_CACF。具体来说,在滤波器学习阶段,直接将目标及其上下文信息集成到DCF框架中,以更好地将目标从背景中鉴别出来;同时,对跨帧视频施加低秩约束以强调时序平滑性,使得学习的滤波器处于一个低维的鉴别流行上,进一步提高了跟踪性能;然后,利用ADMM实现滤波模型的高效优化;此外,针对模型失真的问题,启动多模态检测机制来识别响应图的可靠性,当反馈不可靠时,滤波器停止训练,同时扩大搜索区域,并采用区域重叠的方法重新捕获目标。在OTB-50,OTB-100和DTB70数据集上进行了大量实验,实验结果表明,相对于基线SAMF_CA,在DP方面,LR_CACF分别获得了6.9%,4.0%和7.1%的增益,AUC分别提高了3.6%,2.7%和5.4%。基于属性分析的结果表明,LR_CACF尤其擅长处理遮挡、移出视野、平面外旋转、低分辨率和快速运动等场景。
-
关键词
视觉跟踪
相关滤波
低秩约束
上下文感知
重检测
-
Keywords
Visual tracking
Correlation filter
Low-rank
Context-aware
Redetection
-
分类号
TP394.1
[自动化与计算机技术—计算机应用技术]
TH691.9
[自动化与计算机技术—计算机科学与技术]
-
