Diskriminativer Korrelationsfilter mit Kanal- und Ortszuverlässigkeit

Kurzfristige Verfolgung ist ein offenes und herausforderndes Problem, bei dem diskriminative Korrelationsfilter (DCF) ausgezeichnete Leistungen gezeigt haben. Wir führen die Konzepte von Kanal- und räumlicher Zuverlässigkeit in die DCF-Verfolgung ein und präsentieren einen neuen Lernalgorithmus für ihre effiziente und nahtlose Integration in den Filterupdate- und Verfolgungsprozess. Die räumliche Zuverlässigkeitskarte passt den Filterunterstützungsraum an den Teil des Objekts an, der für die Verfolgung geeignet ist. Dies ermöglicht es, sowohl das Suchgebiet zu erweitern als auch die Verfolgung nicht-rechteckiger Objekte zu verbessern. Zuverlässigkeitswerte spiegeln die kanalspezifische Qualität der gelernten Filter wider und werden als Features-Gewichtungskoeffizienten in der Lokalisierung verwendet. Experimentell erreicht die neuartige CSR-DCF-Methode – DCF mit Kanal- und räumlicher Zuverlässigkeit – mit nur zwei einfachen Standardfeatures, HoGs (Histogramme von Orientierten Gradienten) und Colornames, Stand der Technik-Ergebnisse auf VOT 2016, VOT 2015 und OTB100. Die CSR-DCF läuft in Echtzeit auf einem CPU.