Staple : Apprenants Complémentaires pour le Suivi en Temps Réel

Les traceurs basés sur les filtres de corrélation ont récemment obtenu d'excellentes performances, montrant une grande robustesse face aux situations difficiles caractérisées par le flou de mouvement et les changements d'éclairage. Cependant, comme le modèle qu'ils apprennent dépend fortement de la disposition spatiale de l'objet suivi, ils sont notoirement sensibles à la déformation. Les modèles basés sur les statistiques de couleur présentent des caractéristiques complémentaires : ils gèrent bien les variations de forme, mais subissent des difficultés lorsque l'éclairage n'est pas constant tout au long d'une séquence. De plus, les distributions de couleur seules peuvent être insuffisamment discriminantes. Dans cet article, nous montrons qu'un traceur simple combinant des indices complémentaires dans un cadre de régression ridge peut fonctionner à plus de 80 images par seconde (FPS) et surpasser non seulement toutes les entrées du concours populaire VOT14, mais aussi des traceurs récents et beaucoup plus sophistiqués selon plusieurs benchmarks.