首页|基于时空上下文的视觉跟踪自适应超特征融合

基于时空上下文的视觉跟踪自适应超特征融合

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Adaptive Hyper-feature Fusion Based on Spatial-temporal Context for Visual Tracking

冯明辉

展开 >

福建中烟工业有限责任公司 厦门 362000

视觉跟踪 超特征 输出约束转换 自适应模型更新

2021

10.3969/j.issn.1672-9722.2021.01.026

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(1)
  • 1