Joint Group Feature Selection and Discriminative Filter Learning for Robust Visual Object Tracking

摘要

为了降低基于深度特征的相关滤波器DCF中多通道特征的冗余性和提高所选特征的判别能力，本文提出一个新的联合特征选择与滤波器训练的相关滤波跟踪算法GFS-DCF。具体地，通过在目标函数中增加三个正则化分量，实现在空间-通道-时间层面对特征进行选择，从而学习到target-adaptive特征。

背景

在单目标跟踪领域，基于相关滤波器DCF的方式是主流算法之一，实时性强，跟踪准确率高。但是，基于DCF的跟踪算法也存在边界效应、所选特征表达能力不足、未充分考虑跟踪问题的时间连续性对跟踪结果的影响等问题。

贡献

为了解决上述问题，本文算法在空间层面和通道层面对提取的特征进行选择，减少多通道特征的冗余性，此外，本文还使用一个有效的低秩近似的方法来适应性地融合视频帧的历史信息，从而学习了跟踪目标的时间信息。最终，通过在目标函数中增加了三个正则化分量来实现。