Towards Real-Time Visual Tracking with Graded Color-names Features

要約

MeanShiftアルゴリズムは、その単純さと効率のために、タスクの追跡に広く使用されています。
ただし、従来のMeanShiftアルゴリズムでは、ターゲットの初期領域にラベルを付ける必要があるため、アルゴリズムの適用性が低下します。
また、対象エリアと候補エリアのオーバーラップ率が大きいシーンにのみ適用できます。
そのため、目標速度が速い場合、目標スケールの変化、形状変形、または目標オクルージョンが発生すると、トラッキング性能が低下します。
この論文では、MeanShiftフレームワークの下で、背景モデルと色名の段階的特徴を組み合わせた追跡方法を開発することにより、上記の課題に対処します。
この方法により、上記のシナリオでのパフォーマンスが大幅に向上します。
また、検出精度と検出速度のバランスを取りやすくなっています。
実験結果は、提案された方法の検証を示しています。

要約(オリジナル)

MeanShift algorithm has been widely used in tracking tasks because of its simplicity and efficiency. However, the traditional MeanShift algorithm needs to label the initial region of the target, which reduces the applicability of the algorithm. Furthermore, it is only applicable to the scene with a large overlap rate between the target area and the candidate area. Therefore, when the target speed is fast, the target scale change, shape deformation or the target occlusion occurs, the tracking performance will be deteriorated. In this paper, we address the challenges above-mentioned by developing a tracking method that combines the background models and the graded features of color-names under the MeanShift framework. This method significantly improve performance in the above scenarios. In addition, it facilitates the balance between detection accuracy and detection speed. Experimental results demonstrate the validation of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google