基于多实例回归模型的视觉跟踪算法研究

被引：2

作者：

张园强 ^{[1
]}

查宇飞 ^{[1
]}

库涛 ^{[1
]}

吴敏 ^{[1
]}

毕笃彦 ^{[1
]}

机构：

[1] 空军工程大学航空航天工程学院

来源：

电子与信息学报 | 2018年 / 05期

关键词：

目标跟踪; 实例样本; 支持向量机;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

目前大部分基于检测的跟踪算法将跟踪任务看作是一个类别分类的任务,当目标发生形变或者遇到相似物体的干扰时,容易导致模型漂移。为此该文提出一种多实例回归跟踪算法。在该算法中,跟踪任务被认为建立在实例模型之上更为合适,为此该文利用一帧图像建立实例模型,并在时间序列上建立多实例模型集合表征目标的最近状态;为使跟踪算法能够适应目标的形变,利用逻辑回归将实例模型作为隐变量,由最近若干帧建立的正负样本集作为训练集,共同构建多实例回归跟踪模型。由于跟踪模型在整体上对多个实例模型建模,把它们紧密地联系在一起,故能有效应对目标的形变;由于模型漂移仅会影响当前帧的实例模型,各个实例模型之间互相独立,故跟踪算法能够有效减轻模型漂移对鲁棒跟踪的影响。实验中,OTB 2013数据库和UAV 123数据库被用来验证该文算法,Deep SRDCF,Siamese-fc等算法作为对比算法,实验结果表明,该文算法不仅充分发挥了基于多实例回归模型进行跟踪的优势,在形变等属性上具有很好的性能,而且在整体性能上优于各类先进算法3%~5%。

引用

页码：1202 / 1209

页数：8

共 22 条

[1]

Learning spatially regularized correlation filters for visual tracking. DANELLJAN M,HAGER G,KHAN S F,et al. 2015 IEEE International Conference on Computer Vision . 2015

[2] 基于颜色属性直方图的尺度目标跟踪算法研究 [J].

毕笃彦 ;

库涛 ;

查宇飞 ;

张立朝 ;

杨源 .

电子与信息学报, 2016, (05) :1099-1106

[3]

Convolutional features for correlation filter based visual tracking. DANELLJAN M,HAGER G,KHAN F S,et al. International Conference on Computer Vision . 2015

[4]

Modeling and propagating cnns in a tree structure for visual tracking[OL]. NAM H,BAEK M,HAN B. https://arxiv.org/abs/ 1608.07242 .

[5]

Sequential Minimal Optimization:A Fast Algorithm for Training Support Vector Machines. PLATT J. International Journal of Advanced Computer Science and Applications . 1998

[6]

Multi-Store Tracker (MUSTer):A cognitive psychology inspired approach to object tracking. Hong Z,Chen Z,Wang C,et al. IEEE Conference on Computer Vision and Pattern Recognition . 2015

[7]

MEEM:robust tracking via multiple experts using entropy minimization. J.Zhang,S.Ma,S.Sclaroff. European Conference on Computer Vision . 2014

[8]

A benchmark and simulator for uav tracking. MUELLER M,SMITH N,GHANEM B. European Conference on Computer Vision . 2016

[9]

Fully-convolutional siamese networks for object tracking. Bertinetto L,Valmadre J,Henriques J F,Vedaldi A,Torr PH S. European Conference on Computer Vision . 2016

[10]

LIBLINEAR: A library for large linear classification. Fan, Rong-En,Chang, Kai-Wei,Hsieh, Cho-Jui,Wang, Xiang-Rui,Lin, Chih-Jen. Journal of Machine Learning Research . 2008

← 1 2 3 →