基于时空上下文的视觉跟踪自适应超特征融合

摘要

论文提出了一种基于上下文感知相关滤波框架的鲁棒跟踪算法.为了提高特征表示的丰富性并充分利用多个不同特征的强度,论文线性加权融合了各种手工制作的特征(如HOG、颜色直方图)和分层深度卷积特征(如VGGNet).论文将获得的特征定义为超特征,并通过输出约束变换方法优化最终输出响应图,以控制响应图遵循高斯分布,从而获得对目标外观变化的鲁棒性.此外,在模型更新方面,论文提出了一种有效的自适应模型更新方法,在一定程度上缓解了模型噪声.在主流数据集上的大量实验结果表明,所提出的算法在成功率、准确性和鲁棒性方面优于最先进的方法.