초록
상관 필터(CF) 기반 추적기는 현재 성능 면에서 최고 등급에 속합니다. 그러나 KCF~\cite{henriques15}와 MKCF~\cite{tangm15}와 같은 일부 추적기만 비선형 커널의 강력한 구분력을 활용할 수 있습니다. MKCF는 KCF에 다중 커널 학습(MKL)을 도입하여 KCF보다 더 강력한 구분력을 달성하지만, KCF에 대한 개선은 매우 제한적이며 계산 부담이 KCF에 비해 크게 증가합니다. 본 논문에서는 MKCF와는 다른 방식으로 KCF에 MKL을 도입합니다. 우리는 CF 목적 함수의 MKL 버전을 그 상한으로 재정식화하여 서로 다른 커널 간의 부정적인 상호 간섭을 크게 완화시킵니다. 우리의 새로운 MKCF 추적기인 MKCFup은 큰 마진으로 KCF와 MKCF를 능가하며 여전히 매우 높은 fps로 작동할 수 있습니다. 공개 데이터셋에서 수행된 광범위한 실험 결과, 우리 방법이 매우 빠른 속도로 작은 움직임을 보이는 대상 물체 추적에서 최신 알고리즘보다 우수함을 확인할 수 있었습니다.