채널 및 공간 신뢰성을 고려한 차별적 상관 필터

단기 추적은 여전히 열려 있고 도전적인 문제로, 차별화된 상관 필터(Discriminative Correlation Filters, DCF)가 우수한 성능을 보여주었습니다. 본 연구에서는 DCF 추적에 채널 및 공간 신뢰도 개념을 도입하고, 이를 필터 업데이트와 추적 과정에 효율적이고 원활하게 통합하기 위한 새로운 학습 알고리즘을 제시합니다. 공간 신뢰도 맵은 추적에 적합한 객체의 부분에 필터 지원을 조정하여, 검색 영역을 확대하고 비사각형 객체의 추적 성능을 향상시키는 역할을 합니다. 신뢰도 점수는 학습된 필터의 채널별 품질을 반영하며, 위치 결정에서 특성 가중 계수로 사용됩니다. 실험 결과, 단순한 표준 특성 두 가지인 HoGs(Histograms of Oriented Gradients)와 Colornames를 사용하여 새로운 CSR-DCF 방법 -- 채널 및 공간 신뢰도를 적용한 DCF --는 VOT 2016, VOT 2015 및 OTB100에서 최신 수준의 결과를 달성했습니다. CSR-DCF는 CPU에서 실시간으로 실행됩니다.