.png){kind=icon}
返回
Redefined target sample-based background-aware correlation filters for object tracking
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-022-03878-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物体跟踪一向是盘算机视觉中的一个主要研讨任务。由于边界框是矩形的，因此在目标样本中不可避免地存在大量的背景内容。当背景剧烈变化时，容易引起模板漂移。当背景干扰严重时，传统方法通过丢弃样本并限制跟踪器更新来减轻模板漂移。但是，很难评估干扰的程度，并且这些方法还浪费了部分未受干扰的目标信息。为了弥补这些差距，我们提出了一种重新定义的基于目标样本的背景感知相关滤波器 (RTSBACF)，该滤波器有效地减少了目标样本中的背景干扰，并充分利用了未受干扰的目标信息。具体来说，我们首先提出了一种跟踪模型，该模型具有重新定义的目标样本，该目标样本由样本抑制项和补偿样本计算。然后，基于该模型，设计了一种生成样本抑制项和补偿样本的策略，通过在不修改背景样本区域的情况下重新定义目标样本区域来减少目标样本中的背景干扰。最后，我们采用了更适合重新定义目标样本的组合特征，并为组合特征设计了比例惩罚，以进一步提高跟踪性能。实验结果表明，我们提出的跟踪器的性能超过了几种先进的跟踪器。此外，与基线跟踪器相比，所提出的RTSBACF的总体精度和成功率在OTB2013数据集中分别是提高了6.1% % 和5.2% %，在TC128数据集中分别是提高了9.5% % 和5.3% %。
Keyword:
Object tracking
Correlation filters
Redefined target samples
Combined features
Scale penalties
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏Effect of particle size on degree of inversion in ferrites investigated by Mössbauer spectroscopy
PREAI
分享收藏
查看更多内容