CVPR2017目标跟踪领域中的一篇,文章的亮点在于实现了基于分割的跟踪,博主刚好对这一方向比较感兴趣,所以解读一下文章。
相关文献:Superpixel-based Tracking-by-Segmentation using Markov Chains
首先介绍一下什么是 基于分割的跟踪。一般意义上的目标跟踪,就是在一个视频序列中,根据第一帧给出的目标,对目标在后续帧进行跟踪,传统的跟踪方法是用矩形框框出跟踪目标,如下:
而基于分割的跟踪,在找出目标的同时,还需要对目标进行分割,即找到目标的轮廓:
毫无疑问,基于分割的目标跟踪可以给出更精细的轮廓,提供目标更多的形状信息。但是,也比传统意义上用矩形框进行跟踪的方法更难实现。
接下来我们看看该文章是如何实现基于分割的目标跟踪的。
正如文章名一样,文章主要用了吸收态马尔科夫链(AMC, Absorbing Markov Chain)和超像素(Superpixel)两个概念实现了基于分割的跟踪。
超像素可以把像素级的图片划分成区域级的图片,每个区域内的像素具有相同的标签(前景或背景),这样在之后的分割中只需要对每个区域赋予标签,可以大大减少计算量。
吸收态马尔科夫链用来对超像素进行前后景分类。
吸收态马尔科夫链(AMC)
如图,在马尔可夫链中,称