Correlation Filter in Visual Tracking系列二:Fast Visual Tracking via Dense Spatio-Temporal Context Lear
来源:互联网 发布:淘宝 搜索 黑技术 编辑:程序博客网 时间:2024/06/05 11:02
原文再续,书接一上回。话说上一次我们讲到了Correlation Filter类 tracker的老祖宗MOSSE,那么接下来就让我们看看如何对其进一步地优化改良。这次要谈的论文是我们国内Zhang Kaihua团队在ECCV 2014上发表的STC tracker:Fast Visual Tracking via Dense Spatio-Temporal Context Learning。相信做跟踪的人对他们团队应该是比较熟悉的了,如Compressive Tracking就是他们的杰作之一。今天要讲的这篇论文的Matlab源代码已经放出了,链接如下:
http://www4.comp.polyu.edu.hk/~cslzhang/STC/STC.htm
首先来看看他们的跟踪算法示意图:
看到更新方式,快速傅里叶变换什么的是不是很眼熟?没错,这篇论文其实与MOSSE方法基本是一致的,那么其创新点在哪了?笔者觉得,其创新点在于点,一是以密集时空环境上下文Dense Spatio-Temporal Context作为卖点;二是以概率论的方式包装了CF类方法;三是在模板更新的时候把尺度变换也考虑了进去。
那么什么是密集的时空上下文呢?其最朴素的思想可以用下面这个图来表达:在跟踪的过程中,由于目标外观变换以及遮挡等原因的影响,仅仅跟踪目标本身的话比较困难,但如果把目标周围区域也考虑进去(空间上下文),那么能够在一定程度降低跟踪失败的风险。以图中的例子来说,就是假如仅仅考虑目标本身(黄色框),那么在发生遮挡的时候,就难以实现跟踪,但是如果把周围的像素也考虑进去(红色框),那么就可以借助周围环境来确定目标所在。这是一帧的情况,假如考虑多帧情况的话,就对应产生了时空上下文。那么dense的说法从何而来?这一点我们后面再解释。
主要思想已经有了,下面我们来看如何用概率论进行理论支持。假设
然后定义
式(2)分为两项,左项
然后,因为在第一帧的时候,目标的位置是已知的,那么这时候就可以构造一个confident map,使其满足距离目标越近可能性越高的性质。作者定义confident map的具体值为如公式(3)所示:
其中
先看
其就是目标框附近的图像灰度值的高斯加权和(换成其它特征也可以,后面另有一篇论文会谈到)。然后
文中作者还强调了
另外,根据卷积
所以(5)式其实就是一卷积(
与MOSSE不同的是,STC在训练模板、即计算
假设从
然后,从
假设从
因此就有
剩下的就是一些技巧了,比如用滑动窗口取
- Correlation Filter in Visual Tracking系列二:Fast Visual Tracking via Dense Spatio-Temporal Context Lear
- Correlation Filter in Visual Tracking系列二:Fast Visual Tracking via Dense Spatio-Temporal Context Lear
- Correlation Filter in Visual Tracking系列二:Fast Visual Tracking via Dense Spatio-Temporal Context Lear
- Fast Visual Tracking via Dense Spatio-Temporal Context Lear
- Fast Visual Tracking via Dense Spatio-Temporal Context Learning 论文笔记
- Correlation Filter in Visual Tracking系列一
- STC Fast Tracking via Spatio-Temporal Context Learning 论文笔记
- 阅读笔记1:fast tracking via spatio-temporal context learning
- Correlation Filter in Visual Tracking系列一:Visual Object Tracking using Adaptive Correlation Filters 论
- Correlation Filter in Visual Tracking系列一:Visual Object Tracking using Adaptive Correlation Filters 论
- <Fast Tracking via Spatio-Temporal Context Learning> 阅读和算法使用总结
- Fast Tracking via Spatio-Temporal Context Learning(时空上下文视觉跟踪)
- 《Fast Traking via Spatio-Temporal Context Learning》要点整理与代码实现之二
- Visual Tracking via Reliable Memories
- Resources in Visual Tracking
- Resources in Visual Tracking
- 论文阅读《Real-time part-based visual tracking via adaptive correlation filters》(1)
- 论文阅读《Real-time part-based visual tracking via adaptive correlation filters》(2)
- 扎金花控牌手法▂☉【在线演示QQ:194714506】
- [BZOJ3996] [TJOI2015]线性代数
- UML简单介绍(十)——几个时序图的案例展示与分析
- 扎金花怎么控牌@▁【在线演示QQ:194714506】
- 扎金花怎样控牌¤︻【在线演示QQ:194714506】
- Correlation Filter in Visual Tracking系列二:Fast Visual Tracking via Dense Spatio-Temporal Context Lear
- Masonry 快速上手autolayout
- unity02
- 扎金花控牌绝技』╭【在线演示QQ:194714506】
- 扎金花能控牌吗」Ψ【在线演示QQ:194714506】
- 打开word时,出现“向程序发送命令时出现问题”的解决方法
- 砸金花控牌ξ」【在线演示QQ:194714506】
- android开发之学会使用百度地图
- iOS Code Signing Troubleshooting 官方测试和发布文档