论文名称
Adaptive and Complementary Correlation Filter With Dynamic Contextual Constraints
论文网址:
https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9153562
2. 论文摘要
近几年来,基于相关滤波的跟踪方法由于跟踪速度快、性能优越,目前已经得到了广泛的关注。但是,在相关滤波学习的过程中,由于学习到有限的背景信息,相关滤波的跟踪方法往往会产生模型漂移。在一些复杂的场景,比如复杂的背景、形变以及光照变化等等因素,会导致跟踪失败。为了解决上述的模型漂移的问题,本文提出了基于动态上下文约束的自适应和互补的相关滤波的跟踪方法。首先,我们将目标周围上下文的背景信息作为一个动态约束的项,来减轻复杂场景中的模型漂移问题,可以通过迭代的方法来计算获得最优的函数。然后,我们将基于颜色直方图跟踪的方法集成进来,去弥补相关滤波跟踪方法的不准确的跟踪。进而,我们提出了一个指标来计算自适应融合的系数,用来组合两个互补的跟踪方法。在OTB,VOT等数据集上测试,验证了该方法的有效性。