26、改进的显著性增强多线索相关滤波器视觉跟踪

改进的显著性增强多线索相关滤波器视觉跟踪

一、引言

视觉目标跟踪（VOT）是计算机视觉领域极具挑战性的问题，需要在每一帧中跟踪感兴趣的目标。该问题面临诸多挑战，如频繁的外观变化导致的目标变形、突然的运动、背景杂乱，以及部分或完全遮挡等。处理这些问题主要有两种方法：
1. 生成式方法 ：通过搜索与目标候选模型最相似的区域来解决问题，模型可以基于模板或子空间。
2. 判别式方法 ：将跟踪视为二分类问题，区分目标和背景，利用目标对象和背景信息寻找决策边界。

在离散相关滤波器（DCF）跟踪中，通过自动检测目标或手动指定其初始帧位置来确定待跟踪对象的初始状态。相关滤波器通过在目标感兴趣区域学习最小二乘分类器来预测最大滤波器响应，最大响应图对应目标位置。多线索跟踪采用自适应跟踪切换机制，将跟踪任务自适应地转移到集合中的候选跟踪器之一。

二、相关工作

• Bolme等人 ：提出基于单亮度通道的最小输出平方误差（MOSSE）相关滤波器用于目标外观跟踪。
• Ma等人 ：建议在分层卷积层上学习多个相关滤波器，通过在低、中、高卷积层构建多个DCF来捕捉语义和空间信息。
• Heriques等人 ：利用训练样本的循环结构，为几种类型的核（包括流行的高斯和多项式核）推导训练和检测的闭式解。
• Zhang等人 ：在贝叶斯框架中纳入目标与其局部上下文之间的时空上下文关系