Published January 1, 2020
| Version v1
Publication
Open
Adaptive and Complementary Correlation Filter With Dynamic Contextual Constraints
- 1. Chongqing University of Technology
- 2. Beijing Institute of Technology
- 3. Ministry of Education of the People's Republic of China
Description
Correlation filter-based trackers have gained more and more attention because of their great performances and relative high tracking speeds. However, this kind of trackers may suffer model drifting due to learning limited background information during filter training. This may lead to tracking failures in some complex scenes, such as background clutter, deformation, illumination variation and so on. In this article, we propose an adaptive and complementary correlation filter with dynamic contextual constraints. First, we introduce contextual information around the target as a dynamic constrained term to alleviate model drifting in complex scenes, the optimal function of which can be solved by an iterative method. Then, we integrate a color histogram-based tracker to compensate the inaccurate tracking of correlation filtering. In addition, we present metrics to combine the two complementary trackers with adaptive fusion coefficients. Finally, extensive experiments on OTB2013, OTB2015, VOT2016 and UAV123 benchmark datasets demonstrate that our tracker can improve the performance of our baseline and can perform favorably against some state-of-the-art trackers.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
اكتسبت أجهزة التتبع القائمة على فلتر الارتباط المزيد والمزيد من الاهتمام بسبب أدائها الرائع وسرعات التتبع العالية نسبيًا. ومع ذلك، قد يعاني هذا النوع من أجهزة التتبع من انحراف النموذج بسبب تعلم معلومات أساسية محدودة أثناء تدريب المرشح. قد يؤدي هذا إلى فشل التتبع في بعض المشاهد المعقدة، مثل فوضى الخلفية والتشوه واختلاف الإضاءة وما إلى ذلك. في هذه المقالة، نقترح مرشح ارتباط تكيفي ومتكامل مع قيود سياقية ديناميكية. أولاً، نقدم المعلومات السياقية حول الهدف كمصطلح ديناميكي مقيد للتخفيف من انجراف النموذج في المشاهد المعقدة، والتي يمكن حل وظيفتها المثلى بطريقة تكرارية. بعد ذلك، نقوم بدمج متعقب قائم على المدرج التكراري الملون لتعويض التتبع غير الدقيق لتصفية الارتباط. بالإضافة إلى ذلك، نقدم مقاييس للجمع بين المتتبعين التكميليين مع معاملات الاندماج التكيفي. أخيرًا، تُظهر التجارب المكثفة على مجموعات البيانات المعيارية OTB2013 و OTB2015 و VOT2016 و UAV123 أن جهاز التتبع الخاص بنا يمكنه تحسين أداء خط الأساس الخاص بنا ويمكنه الأداء بشكل إيجابي مقابل بعض أجهزة التتبع الحديثة.Translated Description (French)
Les trackers basés sur des filtres de corrélation ont attiré de plus en plus d'attention en raison de leurs excellentes performances et de leurs vitesses de suivi relativement élevées. Cependant, ce type de traceurs peut subir une dérive du modèle en raison de l'apprentissage d'informations de base limitées pendant la formation sur les filtres. Cela peut entraîner des défaillances de suivi dans certaines scènes complexes, telles que l'encombrement de l'arrière-plan, la déformation, la variation de l'éclairage, etc. Dans cet article, nous proposons un filtre de corrélation adaptatif et complémentaire avec des contraintes contextuelles dynamiques. Tout d'abord, nous introduisons des informations contextuelles autour de la cible en tant que terme contraint dynamique pour atténuer la dérive du modèle dans des scènes complexes, dont la fonction optimale peut être résolue par une méthode itérative. Ensuite, nous intégrons un tracker basé sur l'histogramme couleur pour compenser le suivi inexact du filtrage de corrélation. De plus, nous présentons des métriques pour combiner les deux trackers complémentaires avec des coefficients de fusion adaptatifs. Enfin, des expériences approfondies sur les ensembles de données de référence OTB2013, OTB2015, VOT2016 et UAV123 démontrent que notre tracker peut améliorer les performances de notre base de référence et peut performer favorablement contre certains trackers de pointe.Translated Description (Spanish)
Los rastreadores basados en filtros de correlación han ganado cada vez más atención debido a sus excelentes rendimientos y velocidades de seguimiento relativamente altas. Sin embargo, este tipo de rastreadores puede sufrir la deriva del modelo debido al aprendizaje de información de fondo limitada durante el entrenamiento del filtro. Esto puede conducir a fallas de seguimiento en algunas escenas complejas, como el desorden de fondo, la deformación, la variación de la iluminación, etc. En este artículo, proponemos un filtro de correlación adaptativo y complementario con restricciones contextuales dinámicas. En primer lugar, introducimos información contextual en torno al objetivo como un término dinámico restringido para aliviar la deriva del modelo en escenas complejas, cuya función óptima puede resolverse mediante un método iterativo. Luego, integramos un rastreador basado en histogramas de color para compensar el seguimiento inexacto del filtrado de correlación. Además, presentamos métricas para combinar los dos trackers complementarios con coeficientes de fusión adaptativos. Finalmente, los extensos experimentos en los conjuntos de datos de referencia OTB2013, OTB2015, VOT2016 y UAV123 demuestran que nuestro rastreador puede mejorar el rendimiento de nuestra línea de base y puede funcionar favorablemente frente a algunos rastreadores de última generación.Files
09153562.pdf.pdf
Files
(245 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:816d93472590f125b66d7f85d60c200f
|
245 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- فلتر الارتباط التكيفي والتكميلي مع القيود السياقية الديناميكية
- Translated title (French)
- Filtre de corrélation adaptatif et complémentaire avec contraintes contextuelles dynamiques
- Translated title (Spanish)
- Filtro de correlación adaptativo y complementario con restricciones contextuales dinámicas
Identifiers
- Other
- https://openalex.org/W3046419915
- DOI
- 10.1109/access.2020.3013334
References
- https://openalex.org/W161114242
- https://openalex.org/W1857884451
- https://openalex.org/W1964846093
- https://openalex.org/W2089961441
- https://openalex.org/W2098854771
- https://openalex.org/W2154889144
- https://openalex.org/W2158592639
- https://openalex.org/W2159381505
- https://openalex.org/W2518876086
- https://openalex.org/W2520477759
- https://openalex.org/W2557641257
- https://openalex.org/W2599547527
- https://openalex.org/W2609910506
- https://openalex.org/W2681067697
- https://openalex.org/W2768634781
- https://openalex.org/W2774104464
- https://openalex.org/W2790238920
- https://openalex.org/W2799058067
- https://openalex.org/W2809055676
- https://openalex.org/W2886910176
- https://openalex.org/W2887218529
- https://openalex.org/W2904531787
- https://openalex.org/W2916780012
- https://openalex.org/W2947059957
- https://openalex.org/W2955983623
- https://openalex.org/W2962824803
- https://openalex.org/W2962864296
- https://openalex.org/W2963249584
- https://openalex.org/W2964069521
- https://openalex.org/W2964111344
- https://openalex.org/W2979871210
- https://openalex.org/W2988310840
- https://openalex.org/W2999111259
- https://openalex.org/W3000728514
- https://openalex.org/W3001450588
- https://openalex.org/W3006814414
- https://openalex.org/W3035571898
- https://openalex.org/W3097992810
- https://openalex.org/W3102624093