知识卡片
相关滤波把跟踪变成回归
判别式跟踪的主流实现是基于相关滤波。MOSSE 把跟踪写成最小化输出平方误差的回归问题:学一个滤波器,使目标模板与期望的高斯响应之间的误差最小。由于卷积在频域是点乘,滤波器可在频域闭式求解,速度极快,这使相关滤波取代大量采样式方法。
后续改进集中在三处:
- 样本与求解:引入循环矩阵,用目标的循环移位批量构造正负样本,再借核函数在频域求解,即 KCF,兼顾样本量与效率。
- 特征:加入颜色属性等多通道特征,提升对形变与模糊的判别力。
- 尺度:DSST 在尺度金字塔上另训一个尺度滤波器,FDSST 进一步降维插值加速;SAMF 则融合多特征并做尺度自适应。
其固有短板来自循环移位:边界处的拼接会产生虚假样本(边界效应),滤波器对目标尺寸估计敏感;一旦遮挡导致模型被污染,相关响应峰值衰减,跟踪就会漂移且难以自恢复。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第1章 概述
原书出处 · 1 处
- 第1章 概述 · 查看原书依据
判别式目标跟踪方法将目标跟踪任务看作一个二元分类问题,同时利用目标和背景训练分类器,使得训练好的分类器可以将目标从背景中分离出来,得到当前帧的目标位置,进而实现目标跟踪
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第1章 概述(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt001.html)
- 结论依据:判别式跟踪的主流实现是基于相关滤波。
- 原始内容:判别式目标跟踪方法将目标跟踪任务看作一个二元分类问题,同时利用目标和背景训练分类器,使得训练好的分类器可以将目标从背景中分离出来,得到当前帧的目标位置,进而实现目标跟踪