Robust Scale Adaptive and Real-Time Visual Tracking with Correlation Filters 

　　基于相关滤波器的尺度自适应实时视觉跟踪 

　　尽管视觉跟踪已经研究了数十年，但由于其在许多应用中有着关键作用，使得大家一直对其有极大的关注。近年来，人们对视觉跟踪系统中相关滤波器的使用越来越感兴趣，因为它们在不同的比赛和基准测试中取得了非常引人注目的结果。  

　　然而，仍然需要改进整体跟踪能力以对抗各种跟踪问题，包括大尺度变换，遮挡和形变。本文提出了一种具有鲁棒尺度估计的跟踪器，它可以在不明显降低速度的条件下，解决核化相关滤波器（KCF）跟踪器中固定模板大小的问题。在基于KCF跟踪器找到最优转换之后，我们判别相关滤波器来进行独立的尺度估计。与详尽的尺度空间搜索方案相比，我们的方法改进了性能，同时具有计算效率。为了展示我们的方法的有效性，我们使用带有11个属性注释的基准序列来评估跟踪器处理不同属性的程度。实验表明，所提出的算法相比于目前几种最先进的算法，表现更为出色。在所有51个基准序列中也取得了具有准确性和鲁棒性的的结果，这证明了我们的跟踪器的有效性。 

表1  10个成功标注的AUC分数。最好的结果用粗体显示，第二的结果用红色标注。 　　 　

　表2  10个属性中精度图的误差阈值为20的结果。最好的结果用粗体显示，第二的结果用红色标注。 

　　本文链接：

       https://search.ieice.org/bin/summary.php?id=e99-d_7_1895