SPLT：‘Skimming-Perusal’ Tracking: A Framework for Real-Time and Robust Long-term Tracking

最新推荐文章于 2023-03-06 06:38:34 发布

萤火虫啊飞呀飞

最新推荐文章于 2023-03-06 06:38:34 发布

阅读量1.2k

点赞数

分类专栏：目标跟踪论文阅读

本文链接：https://blog.csdn.net/shey666/article/details/106013892

版权

本文提出了一种名为SPLT的新框架，专注于解决长期目标跟踪问题。该框架包括skimming和perusal两个模块，旨在实现实时且稳健的跟踪。perusal模块利用bbox生成器和目标验证器进行目标检测和定位，而skimming模块则用于加速全局搜索过程。通过对滑动窗口的筛选，提高重检测效率。SPLT特别关注长期跟踪的挑战，如目标的频繁出现/消失和目标重检测。

摘要由CSDN通过智能技术生成

文章目录

- - 摘要
  - 背景
  - 贡献
  - 本文方法

摘要

相比传统的短期跟踪，长期跟踪需要应对更多的挑战，也更贴近真实应用场景，但这方面在目前研究进展较为缓慢，因此本文提出一个新的鲁棒的、实时的长时间跟踪框架，该框架中包含一个skimming模块和一个perusal模块。perusal模块包含一个有效的bbox生成器和一个鲁棒的目标验证器，前者产生一系列候选样本框，后者计算每个候选框的置信度分数并选出最优候选框。根据置信度分数可以判断目标在当前帧出现与否，若出现(置信度分数高于设定阈值)，直接根据置信度分数进行定位，并决定下一帧采取局部搜索策略；否则，判定目标丢失，下一帧采取全局搜索策略。为了加快全局搜索速度，本文提出一个新的skimming模块从一系列滑动窗口中选出最可能若干候选框，再输入perusal模块进行处理。

背景

目前大多数跟踪算法关注短期跟踪任务，但真实应用场景更多时候需要长期跟踪。前者在跟踪过程中目标始终出现在视野中，只不过可能存在遮挡等挑战使出现的目标不完整；后者在跟踪过程中目标可能频繁出现/消失在视野中，更贴近实际情况，也更具挑战性。一方面，长期跟踪视频序列更长；另一方面，长期跟踪过程中需要判断目标是否出现，因此需要具备目标重检测的能力。