×
肖尔·奥隆;亚哈龙·巴尔·希尔;丹·列维;沙伊·阿维丹

本地无序跟踪。 （英文） Zbl 1398.68591号

国际期刊计算。视觉。 111，第2期，213-228（2015）.
摘要：局部无序跟踪（LOT）是一种视觉跟踪算法，可以自动估计目标中的局部（dis）订单量。这使得跟踪器能够在线专门研究刚性和可变形物体，并且没有事先的假设。我们提供了目标随时间变化的概率模型。然后，我们严格地表明，该模型是土方机械距离优化问题的特例，其中地面距离由一些潜在的噪声模型控制。该噪声模型具有几个参数，这些参数控制移动像素和改变像素颜色的成本。我们开发了两个这样的噪声模型，并演示了如何在跟踪过程中在线估计其参数，以解释目标中的局部（dis）阶数。我们还讨论了这种在线参数更新的重要性，并证明了它对性能的贡献。最后，我们展示了LOT在具有挑战性的视频序列上的跟踪能力，无论是常用的还是新的，显示的性能与最先进的方法相当。

引用于4文件

MSC公司：

68T45型 机器视觉和场景理解
68单位10 图像处理的计算方法

关键词：

跟踪;电动机械手;噪声模型;在线参数更新

软件：

EMD公司;PASCAL挥发性有机化合物
PDF格式BibTeX公司 XML格式引用
\textit{S.Oron}等人，《国际计算杂志》。视觉。111，No.2，213--228（2015；Zbl 1398.68591）
全文： 内政部

参考文献：

[1] Alterman，M.、Schechner，Y.、Perona，P.和Shamir，J.（2012）。动态折射中的独立组件。CCIT报告805。
[2] Avidan，S.（2005）。信号群跟踪。在CVPR公司第494-501页。
[3] Babenko，B.、Yang，M.H.和Belongie，S.（2009年）。通过在线多实例学习进行视觉跟踪。在CVPR公司.
[4] Boltz，S.、Nielsen，F.和Soatto，S.（2010年）。超级像素上的推土机距离。在ICIP公司.
[5] Comaniciu，D.（2002年）。贝叶斯核跟踪。在DAGM-符号第438-445页·Zbl 1017.68639号
[6] Doucet，A.、de Freitas，N.和Gordon，N.（2001年）。序贯蒙特卡罗方法在实践中的应用柏林：施普林格·Zbl 0967.00022号 ·doi:10.1007/978-1-4757-3437-9
[7] Elgammal，A.、Duraiswami，R.、Davis，L.S.（2003）。联合特征空间中的概率跟踪。在CVPR公司.
[8] Everingham，M.、Van Gool，L.J.、Williams，C.K.J.、Winn，J.M.和Zisserman，A.（2010）。pascal可视对象类（voc）挑战。国际计算机视觉杂志,88, 303.
[9] Ginneken，B.V.和Haar Romeny，B.M.T.（1999年）。局部无序图像的应用。计算机视觉中的尺度空间理论柏林：施普林格。
[10] Godec，M.、Roth，P.M.和Bischof，H.（2011）。基于Hough的非刚性对象跟踪。在ICCV公司.
[11] Grabner，H.、Grabner、M.和Bischof，H.（2006）。通过在线增强实时跟踪。在BMVC公司.
[12] GD哈格；Belhumeur，PN，利用几何和照明参数模型进行有效区域跟踪，模式分析和机器智能，20，1025，（1998）·数字对象标识代码：10.1109/34.722606
[13] He，X.、Zemel，R.和Ray，D.（2006年）。学习并结合图像分割中的自上而下线索。在电子对抗车辆.
[14] 海勒和汤普金斯，C.B.G.（1956）。Dantzig定理的推广。线性不等式和相关系统，第38卷，第247-254页。新泽西州普林斯顿：数学研究年鉴·Zbl 0072.37804号
[15] Hoiem，D.，Efros，A.，&Hebert，M.（2005）《单幅图像的几何背景》。在ICCV公司·Zbl 1235.68268号
[16] Isard，M.和Blake，A.（1998年）。用于视觉跟踪的冷凝条件密度传播。国际计算机视觉杂志，1，5。
[17] Jia，X.、Lu，H.和Yang，M.H.（2012）。基于自适应结构局部稀疏外观模型的视觉跟踪。在CVPR公司.
[18] Kalal，Z.、Mikolajczyk，K.和Matas，J.（2010年）。跟踪-学习-检测。TPAMI，34岁, 1409.
[19] Koenderink，J.J.和Van Doorn，A.J.（1999）。局部无序图像的结构。国际计算机视觉杂志，31, 159.
[20] Kwon，J.和Lee，K.M.（2010年）。视觉跟踪分解。在CVPR公司.
[21] Levina，E.和Bickel，P.（2001）。推土机的距离是锦葵距离：来自统计的一些见解。在ICCV公司.
[22] Levishtein，A.、Stere，A.、Kutulakos，K.N.、Fleet，D.J.、Dickinson，S.J.和Siddiqi，K.（2009年）。Turboixels：使用几何流的快速超像素。IEEE模式分析和机器智能汇刊,31, 2290.
[23] Mei，X.，Ling，H.，Wu，Y.，Blasch，E.和Bai，L.（2011）具有遮挡检测的最小误差有界高效L1跟踪器。在ICCV公司·Zbl 1373.94800号
[24] Oron，S.、Bar-Hillel，A.、Levi，D.和Avidan，S.（2012年）。本地无序跟踪。在CVPR公司·Zbl 1398.68591号
[25] Peleg，S；沃曼，M；Rom，H，分辨率变化的统一方法：空间和灰度，IEEE模式分析和机器智能汇刊，11739，（1989）·数字对象标识代码：10.1109/34.192468
[26] Ren，X.和Malik，J.（2003）。学习用于分割的分类模型。在ICCV公司.
[27] Ross，D.、Lim，J.和Yang，M.H.（2004）。基于增量子空间更新的自适应概率视觉跟踪。在电子对抗车辆·Zbl 1098.68851号
[28] 罗斯，D；林，J；林，RS；Yang，MH，鲁棒视觉跟踪的增量学习，国际计算机视觉杂志，77，125，（2007）·doi:10.1007/s11263-007-0075-7
[29] 鲁布纳，Y；托马西，C；Guibas，LJ，The Earth mover’s distance as a metric for image retrieval，国际计算机视觉杂志，40，99，（2000）·Zbl 1012.68705号 ·doi:10.1023/A:1026543900054
[30] Santner，J.、Leistner，C.、Saffari，A.、Pock，T.和Bischof，H.（2010年）。Prost：并行鲁棒在线简单跟踪。在CVPR公司.
[31] Wang，S.，Lu，H.，Yang，F.，&Yang，M.H.（2011）。超像素跟踪。在ICCV公司·Zbl 1374.94423号
[32] Yilmaz，A；贾维德，O；Shah，M，《对象跟踪：一项调查》，ACM Computing Surveys（CSUR），38，13，（2006）·doi:10.1145/1177352.1177355
[33] 赵，Q；杨，Z；Tao，H，差分地球推进器的距离及其在视觉跟踪中的应用，IEEE模式分析和机器智能汇刊，32774，（2010）·doi:10.1109/TPAMI.2008.299
[34] Zhong，W.，Lu，H.，&Yang，M.H.（2012）。通过基于稀疏性的协作模型实现稳健的对象跟踪。在CVPR公司.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。