×
张索菲；邢玲芝；周，林；孙志新

通过可变形零件的增量结构学习进行目标跟踪。 （英语） Zbl 1426.94036号

电路系统。信号处理。 37，第1期，255-276（2018）.
摘要：各种场景下的在线目标跟踪仍然是一个具有挑战性的问题，因为它需要区分目标和背景以及学习目标在场景中的外观之间的矛盾。在本文中，我们试图从三个不同的角度来解决这个问题。为了提高外观模型的描述性，我们将结构模型从目标检测领域引入跟踪任务，同时跟踪目标及其可变形部分。为了提高跟踪的鲁棒性，我们提出了一种基于物流回归的投票方法，以排除遮挡部分对跟踪结果和模型更新的影响。最后，我们提出了一种在线方法，通过遮挡处理机制过滤样本来增量学习结构外观模型。实验结果表明，该跟踪框架优于其他主流方法，尤其是在具有挑战性的目标跟踪任务中。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

目标跟踪；基于可变形零件的模型；动态条件随机场；在线结构学习

软件：

PASCAL挥发性有机化合物；帕伽索斯
PDF格式BibTeX公司 XML格式引用
\textit{S.Zhang}等人，《电路系统》。信号处理。37，第1号，255--276（2018；Zbl 1426.94036）
全文： DOI程序

参考文献：

[1] A.Adam，E.Rivlin，I.Shimshoni，使用积分直方图进行基于碎片的鲁棒跟踪，2006年IEEE计算机视觉和模式识别会议，第1卷，第798-805页（2006）。doi:10.1109/CVPR.2006.256
[2] B.Babenko，M.H.Yang，S.Belongie，具有在线多实例学习的鲁棒对象跟踪。IEEE传输。模式分析。机器。智力。33(8), 1619-1632 (2011). doi:10.10109/TPAMI.2010.226·doi:10.1109/TPAMI.2010.226
[3] L.Bottou，随机梯度下降的大尺度机器学习，《2010年COMPSTAT会议录》（Springer，2010），第177-186页·Zbl 1436.68293号
[4] L.Boudev，S.Maji，J.Malik，《描述人：基于poselet的属性分类方法》，2011年IEEE国际计算机视觉会议（ICCV），第1543-1550页（2011）。doi:10.1109/ICCV.2011.6126413
[5] G.Bradski，实时人脸和物体跟踪作为感知用户界面的一个组成部分，发表在IEEE计算机视觉应用研讨会上，第214-219页（1998）
[6] X.Cheng，N.Li，S.Zhang，Z.Wu，基于粒子群优化的具有筛选特征和片段的鲁棒视觉跟踪。电路系统。信号处理。33(5), 1507-1526 (2014). doi:10.1007/s00034-013-9713-1·doi:10.1007/s00034-013-9713-1
[7] D.Comaniciu，V.Ramesh，P.Meer，使用均值漂移实时跟踪非刚性物体，IEEE计算机视觉和模式识别会议，第2卷，pp.142-149（2000）
[8] N.Dalal，B.Triggs，人类检测定向梯度直方图，IEEE计算机视觉和模式识别会议，第1卷，第886-893页（2005）
[9] M.Everingham、L.Van Gool、C.K.I.Williams、J.Winn、A.Zisserman，《PASCAL视觉对象类挑战》（2009）（VOC2009）结果
[10] J.Fan，X.Shen，Y.Wu，《我们在跟踪什么：跟踪和识别的统一方法》。IEEE传输。图像处理。22(2), 549-560 (2013). doi:10.1109/TIP.2012.2218827·Zbl 1373.94111号 ·doi:10.1109/TIP.2012.2218827
[11] P.Felzenszwalb，R.Girshick，D.McAllester，D.Ramanan，使用区分训练的基于部分的模型进行对象检测。IEEE传输。模式分析。机器。智力。32(9), 1627-1645 (2010). doi:10.1109/TPAMI.2009.167·doi:10.10109/TPAMI.2009.167
[12] P.Felzenszwalb，D.McAllester，D.Ramanan，一个经过判别训练的多尺度可变形零件模型，发表在IEEE计算机视觉和模式识别会议上，2008年。CVPR 2008，第1-8页（2008年）。doi:10.1109/CVPR.2008.4587597
[13] S.Geman，D.Geman，随机松弛，gibbs分布和图像的贝叶斯恢复。IEEE传输。模式分析。机器。智力。6(6), 721-741 (1984) ·Zbl 0573.62030号 ·doi:10.1109/TPAMI.1984.4767596
[14] L.Gorelick、M.Blank、E.Shechtman、M.Irani、R.Basri，《时空形状的行动》。IEEE传输。模式分析。机器。智力。29(12), 2247-2253 (2007) ·doi:10.1109/TPAMI.2007.70711
[15] S.Hare、S.Golodetz、A.Saffari、V.Vineet、M.M.Cheng、S.L.Hicks、P.H.Torr、Struck：用内核进行结构化输出跟踪。IEEE传输。模式分析。机器。智力。38(10), 2096-2109 (2016) ·doi:10.1109/TPAMI.2015.2509974
[16] M.Isard，A.Blake，《视觉跟踪的冷凝条件密度传播》。国际期刊计算。视觉。29(1), 5-28 (1998) ·doi:10.1023/A:1008078328650
[17] J.Kwon，K.M.Lee，视觉跟踪分解，2010年IEEE计算机视觉和模式识别会议（CVPR），第1269-1276页（2010年）。doi:10.1109/CVPR.2010.5539821
[18] J.Lafferty，A.McCallum，F.C.Pereira，条件随机场：序列数据分割和标记的概率模型（2001）
[19] Y.Li，H.Ai，C.Huang，S.Lao，基于多状态粒子滤波器的鲁棒头部跟踪，自动人脸和手势识别国际会议，第335-340页（2006）
[20] 李毅、沈毅、刘振华、何鹏，用新型平滑粒子滤波器跟踪杂波中的机动目标，《IEEE仪器与测量技术会议论文集》，第2卷，第843-848页（2005）
[21] J.Liu，B.Kuipers，S.Savarese，通过属性识别人类行为，2011年IEEE计算机视觉和模式识别会议（CVPR），第3337-3344页（2011）。doi:10.1109/CVPR.2111.5995353
[22] H.Nam，B.Han，学习用于视觉跟踪的多域卷积神经网络。arXiv预印arXiv:1510.07945（2015）
[23] D.A.Ross，J.Lim，R.S.Lin，M.H.Yang，用于鲁棒视觉跟踪的增量学习。国际期刊计算。视觉。77(1-3), 125-141 (2008) ·doi:10.1007/s11263-007-0075-7
[24] S.Shalev-Shwartz，Y.Singer，N.Srebro，A.Cotter，Pegasos:SVM的原始估计子梯度解算器。数学。程序。127(1), 3-30 (2011) ·Zbl 1211.90239号 ·doi:10.1007/s10107-010-0420-4
[25] G.Sharma，F.Jurie，C.Schmid，《静态图像中人类属性和动作识别的扩展部件模型》，2013年IEEE计算机视觉和模式识别会议（CVPR），第652-659页（2013）。doi:10.1109/CVPR.2013.90
[26] G.Shu，A.Dehghan，O.Oreifej，E.Hand，M.Shah，《部分遮挡处理的基于部件的多人跟踪》，2012年IEEE计算机视觉和模式识别会议，第1815-1821页（2012年）。doi:10.1109/CVPR.2012.6247879
[27] L.Si，Z.Tianzhu，C.Xiaochun，X.Changsheng，鲁棒视觉跟踪的结构相关滤波器，2016 IEEE计算机视觉和模式识别会议（CVPR），第00卷，第4312-4320页（2016）。doi:10.1109/CVPR.2016.467
[28] Y.Tian，R.Sukthankar，M.Shah，用于动作检测的时空变形部件模型，2013年IEEE计算机视觉和模式识别会议（CVPR），第2642-2649页（2013年）。doi:10.1109/CVPR.2013.341
[29] D.Wang，H.Lu，M.H.Yang，稀疏原型在线目标跟踪。IEEE传输。图像处理。22(1), 314-325 (2013). doi:10.1109/TIP.2012.2202677·Zbl 1373.94423号 ·doi:10.1109/TIP.2012.2202677
[30] 王毅，季庆，图像序列中目标分割的动态条件随机场模型，IEEE计算机学会计算机视觉与模式识别会议，第1卷，第264-270页（2005）
[31] Y.Wang，K.F.Loe，J.K.Wu，前景和阴影分割的动态条件随机场模型。IEEE传输。模式分析。机器。智力。28(2), 279-289 (2006) ·doi:10.1109/TPAMI.2006.25
[32] Y.Wang，G.Mori，人类行为识别的Max-margin隐式条件随机场，IEEE计算机视觉和模式识别会议，2009年。CVPR 2009，第872-879页（2009）
[33] Y.Wu，J.Lim，M.H.Yang，对象跟踪基准。IEEE Trans。模式分析。机器。智力。37(9), 1834-1848 (2015) ·doi:10.1109/TPAMI.2014.2388226
[34] Y.Xie，H.Chang，Z.Li，L.Liang，X.Chen，D.Zhao，《定位和识别人类行为的统一框架》，2011年IEEE计算机视觉和模式识别会议，第25-32页（2011年）。doi:10.1109/CVPR.2111.5995648
[35] R.Yao，Q.Shi，C.Shen，Y.Zhang，A.van den Hengel，基于部分的视觉跟踪与在线潜在结构学习，2013年IEEE计算机视觉与模式识别会议，第2363-2370页（2013）。doi:10.1109/CVPR.2013.306
[36] C.N.J.Yu，T.Joachims，带潜在变量的学习结构支持向量，第26届机器学习国际年会论文集。ACM，第1169-1176页（2009年）
[37] S.Zhang，X.Cheng，H.Guo，L.Zhou，Z.Wu，通过动态条件随机场跟踪可变形零件，2014年IEEE国际图像处理会议（ICIP），第476-480页（2014）。doi:10.1109/ICIP.2014.7025095
[38] T.Zhang，A.Bibi，B.Ghanem，为稀疏跟踪辩护：循环稀疏跟踪器，《IEEE计算机视觉和模式识别会议论文集》，第3880-3888页（2016）
[39] Y.Zhang，T.Hesketh，H.Wang，J.Liu，D.Xiao，使用自适应跟踪控制的非线性系统执行器故障补偿。电路系统。信号处理。29（3），419-430（2010）。doi:10.1007/s00034-010-9152-1·Zbl 1191.94171号 ·doi:10.1007/s00034-010-9152-1
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。