要約
本研究では、フィルタ係数と空間正則化重みを同時に最適化する新しい適応型空間正則化相関フィルタ（ASRCF）モデルを提案する。まず、この適応型空間正則化スキームにより、特定の物体およびその外見変化に応じた有効な空間重みを学習可能となり、追跡プロセス中においてより信頼性の高いフィルタ係数を獲得できる。次に、ASRCFモデルは、拡張ラグランジュ乗数法（ADMM）に基づいて効果的に最適化可能であり、各部分問題に対して閉形式解（closed-form solution）が存在する。さらに、本追跡器は、位置推定とスケール推定のそれぞれに異なる2種類の相関フィルタ（CF）モデルを適用している。位置用CFモデルは、浅層特徴と深層特徴のアンサンブルを活用することで、正確な最適位置を決定する。一方、スケール用CFモデルはマルチスケールの浅層特徴に基づき、効率的に最適スケールを推定する。最近の5つのベンチマークデータセットにおける広範な実験結果から、本手法は多数の最先端アルゴリズムと比較しても優れた性能を示し、リアルタイム性能として28fpsを達成している。