RTracker: Wiederherstellbare Verfolgung mittels PN-Baum-strukturierter Speicherung

Bekannte Verfolgungsmethoden konzentrieren sich hauptsächlich auf die Verbesserung der Zielrepräsentation oder die Entwicklung robusterer Vorhersagemodelle, um die Verfolgungsleistung zu steigern. Obwohl die Verfolgungsleistung erheblich verbessert wurde, tritt das Problem des Zieldatenverlusts häufig aufgrund von Verfolgungsfehlern, vollständiger Verdeckung oder Verlassen des Sichtfelds auf. Jedoch wird dem Selbstreparaturproblem von Verfolgungsmethoden vergleichsweise wenig Aufmerksamkeit geschenkt, obwohl es für praktische Anwendungen von entscheidender Bedeutung ist. Um diesem Problem zu begegnen, schlagen wir einen nachverfolgbaren Verfolkungsrahmen, RTracker, vor, der einen baumartigen Speicher nutzt, um dynamisch einen Verfolger und einen Detektor zu verbinden und so eine Selbstreparaturfähigkeit zu ermöglichen. Insbesondere stellen wir einen positiv-negativen baumartigen Speicher vor, der positiven und negativen Zielproben chronologisch speichert und pflegt. Aufbauend auf diesem PN-Baumspeicher entwickeln wir entsprechende Bewegungsregeln zur Bestimmung des Zielzustands und definieren eine Reihe von Steuerflüssen, um den Verfolger und den Detektor in verschiedenen Verfolgungsszenarien zu integrieren. Unser zentrales Konzept besteht darin, die Unterstützungsmuster der positiven und negativen Zielkategorien zu nutzen, um ein auf relativen Abständen basierendes Kriterium für eine zuverlässige Beurteilung des Zieldatenverlusts zu etablieren. Die hervorragende Leistung im Vergleich zu aktuellen State-of-the-Art-Methoden auf zahlreichen anspruchsvollen Benchmarks belegt die Wirksamkeit des vorgeschlagenen Algorithmus.