Bidirectional Tracking Scheme for Visual Object Tracking Based on Recursive Orthogonal Least Squares
Bidirectional Tracking Scheme for Visual Object Tracking Based on Recursive Orthogonal Least Squares
复制标题
基于递归正交最小二乘法的视觉目标跟踪双向跟踪方案
DOI：
10.1109/access.2019.2951056
复制
发表时间：
2019
期刊：
影响因子：
3.9
通讯作者：
Miaoxing Xu
中科院分区：
文献类型：
--
作者：
Zhiyong Huang;Yuanlong Yu;Miaoxing Xu
无约束环境下的视觉目标跟踪是计算机视觉领域的一项具有挑战性的任务。如何设计一个有效的鉴别特征表示是一个具有挑战性的问题。为了提高跟踪器对大目标外观变化的适应性，需要在线更新观测模型。然而，使用不准确的训练样本进行错误的模型更新会导致模型漂移问题。因此，如何设计一个有效的在线观测模型和模型更新策略是另外两个具有挑战性的问题。本文提出了方向梯度变化直方图（HOGv）和颜色直方图的级联作为特征表示，以平衡区分能力和效率。采用单隐层前向神经网络作为观测模型，采用递归正交最小二乘算法在线更新模型。设计了一种双向跟踪方案，以缓解在线跟踪过程中的模型漂移问题。提出的双向跟踪方案由三个模块组成：前向跟踪模块、后向跟踪模块和积分模块。前向跟踪模块首先找到所有候选区域，然后，后向跟踪模块根据历史信息计算每个候选区域各自的置信度。最后，综合模块综合前两个模块的结果，以确定最终的跟踪对象和当前帧的模型更新策略。现有的跟踪基准的广泛评估表明，所提出的跟踪框架的结果在显着的性能改进相比，基本的跟踪器，它优于大多数的国家的最先进的跟踪器。
Visual object tracking in unconstrained environments is a challenging task in computer vision. How to design an efficient discriminative feature representation is one challenging issue. To improve the adaptability of the tracker to large object appearance changes, the observation model needs to be updated online. However, a bad model update using inaccurate training samples can lead to model drift problem. Therefore, how to design an efficient online observation model and a model update strategy are two other challenging issues. This paper proposes the concatenation of histogram of oriented gradients variant (HOGv) and color histogram as the feature representation to balance discriminative power and efficiency. The single-hidden-layer feedforward neural network (SFNN) is used as an observation model, and the recursive orthogonal least squares (ROLS) algorithm is used to update the model online. A bidirectional tracking scheme is designed to alleviate the model drift problem during online tracking. The proposed bidirectional tracking scheme consists of three modules: the forward tracking module, the backward tracking module and the integration module. The forward tracking module first finds all the candidate regions, and then, the backward tracking module calculates the respective confidence of each candidate region according to historical information. Finally, the integration module integrates both of the first two modules’ results to determine the final tracked object and the model update strategy for the current frame. Extensive evaluations of the existing tracking benchmarks have shown that the proposed tracking framework results in significant performance improvements compared with the base tracker, and it outperforms most of the state-of-the-art trackers.
登录
查看更多内容
具有局部加权距离度量的逆稀疏跟踪器
DOI：
10.1109/tip.2015.2427518
发表时间：
2015-04
期刊：
IEEE Transaction on Image Processing
影响因子：
--
作者：
Dong Wang;Huchuan Lu;Ziyang Xiao;Ming-Hsuan Yang
通讯作者：
Ming-Hsuan Yang
影响因子：
3.1
作者：
Dingli Yu;J. Gomm;D. Williams
通讯作者：
Dingli Yu;J. Gomm;D. Williams
影响因子：
3.9
作者：
Wenhui Huang;J. Gu;Xin Ma;Yibin Li
通讯作者：
Wenhui Huang;J. Gu;Xin Ma;Yibin Li
DOI：
--
发表时间：
2015-02
期刊：
--
影响因子：
--
作者：
Seunghoon Hong;Tackgeun You;Suha Kwak;Bohyung Han
通讯作者：
Seunghoon Hong;Tackgeun You;Suha Kwak;Bohyung Han
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
João F. Henriques;Rui Caseiro;P. Martins;Jorge Batista
通讯作者：
João F. Henriques;Rui Caseiro;P. Martins;Jorge Batista