AAAIDec, 2017

视觉目标跟踪的相似性变换鲁棒估计

PDF
TL;DR本文提出了一种新的基于相关滤波的跟踪器，具有对大位移下相似变换的鲁棒估计以及在实时环境下高效搜索 4 - 自由度空间的能力，同时运用 Block Coordinates Descent 求解器对问题进行拆解优化。实验结果表明，该跟踪器具有与最新的视觉对象跟踪方法相当的预测性能，同时仍保留了传统相关滤波跟踪方法的高效和简单优点。
发现论文，激发创造
  • 可变形部件相关滤波器用于鲁棒视觉跟踪

    我们提出了一种新的 constellation 模型配合相关滤波器的公式，用于追踪目标并处理非刚性物体变形和自遮挡问题。我们设计了两个级别的模型来逼近目标位置，经过高难度测试表明本方法能达到最先进表现且实时运行。

    May, 2016

  • 判别式尺度空间跟踪

    本文提出了一种利用相关滤波器进行目标尺度估计的跟踪方法，该方法可以有效地提高计算效率并在 OTB 和 VOT2014 数据集上优于 19 个和 37 个最先进的跟踪器。

    Sep, 2016

  • 实时视觉跟踪：提高相关滤波器学习的鲁棒性

    本研究提出了三种稀疏度相关的损失函数，通过利用滤波器响应的各向异性提高相关滤波学习的鲁棒性，从而实现了三种实时跟踪器。大量实验证明了所设计的损失函数显著提高了相关滤波的鲁棒性，并揭示了不同损失函数对跟踪性能的影响，从而为设计鲁棒的相关滤波器提供了实用参考标准。

    Aug, 2016

  • 学习旋转的核相关滤波器

    本研究提出了一种改进的优化方法 RKCF，可减轻 Kernel Correlation Filters 在旋转方面性能下降的问题，在很多 OBT50 测试视频中获得了全面的精度提升及最小额外计算。

    Aug, 2017

  • 特征轨迹线性全局位姿估计

    通过推导摄像机拍摄同一场景点的新型线性位置约束，得出一种直接的全局摄像机平移估计线性方法，解决了共线摄像机运动和弱图像关联的问题。最终线性公式不涉及场景点坐标，使其适用于大规模数据，采用基于 $L_1$ 范数的线性方程求解，使该系统对基础矩阵和特征对应的离群值更加鲁棒，在顺序捕获图像和无序互联网图像上进行实验，证明了其在鲁棒性，精度和效率方面的优势。

    Mar, 2015

  • 平面物体跟踪的单应性分解网络

    本文提出了一种基于 Homography Decomposition Networks（HDN）的新方法，通过将单个参数空间分解成两个组来稳定计算条件数，它包括了相似变换估计器，卷积等变网络，简单回归模型来实现残差变换，用半监督方式训练，实验证明，在 POT、UCSB 和 POIC 数据集上，比当前最先进的平面跟踪方法表现优异。

    Dec, 2021

  • 长短期记忆自适应相关滤波器用于目标跟踪

    提出了一种学习多个自适应关联滤波器的方法，同时具有目标外观的长期和短期记忆，以实现强大的物体跟踪，在大规模基准数据集上表现优异，尤其在效率、准确性和鲁棒性方面均优于现有的技术方法。

    Jul, 2017

  • 非线性运动的高效目标追踪器工程化

    我们介绍了 DeepMoveSORT，这是一个专门设计用于动态和非线性运动模式场景的多目标跟踪器。通过使用可学习的深度滤波器和一系列新提出的启发式方法，我们改善了基于运动的关联方法，从而提高了关联性能，并在三个具有非线性运动的数据集上超过了现有跟踪器的最新结果。我们的研究表明，使用可学习的滤波器代替 Kalman 滤波器，并结合基于外观的关联是实现强大的通用跟踪性能的关键。

    Jun, 2024

  • 在线目标跟踪及提议选择

    本文提出了一种通过采用基于几何变换估算的新建议并运用多种线索的选择策略，来跟踪在对象可能经历严重旋转等多种变换下的的目标进行追踪，并在多个数据集中获得最佳性能。

    Sep, 2015

  • 基于快速相关滤波跟踪器的有效遮挡处理

    为了解决基于相关滤波的追踪器在目标遮挡时响应图中存在多个峰值和不确定性等问题，本文提出一种针对不同情景选择特定滤波模型的方案，并采用有效测量函数和复杂策略来更新筛选模型，在此基础上结合对数极坐标方法和金字塔式方法进行目标尺度估计，实验表明该方案在 VOT2018 挑战赛和 OTB100 数据集上优于现有的追踪器。

    Jul, 2018