Suivi visuel par filtres de corrélation régularisés spatialement adaptatifs

Dans ce travail, nous proposons un nouveau modèle de filtres de corrélation régularisés spatialement de manière adaptative (ASRCF) afin d’optimiser simultanément les coefficients du filtre et le poids de la régularisation spatiale. Premièrement, ce schéma de régularisation spatiale adaptative permet d’apprendre un poids spatial efficace pour un objet spécifique et ses variations d’apparence, conduisant ainsi à des coefficients de filtre plus fiables durant le processus de suivi. Deuxièmement, notre modèle ASRCF peut être efficacement optimisé grâce à la méthode des multiplicateurs de Lagrange avec directions alternées, dans laquelle chaque sous-problème admet une solution explicite. Troisièmement, notre traqueur utilise deux types de modèles de filtres de corrélation pour estimer respectivement la position et l’échelle. Le modèle de filtre de position exploite des ensembles de caractéristiques profondes et superficielles afin de déterminer avec précision la position optimale. Le modèle de filtre d’échelle opère sur des caractéristiques superficielles multi-échelles pour estimer efficacement l’échelle optimale. Des expériences étendues sur cinq benchmarks récents montrent que notre traqueur se distingue favorablement par rapport à de nombreux algorithmes de pointe, tout en atteignant une performance en temps réel de 28 fps.