Suivi humain à l'aide de réseaux de neurones convolutifs

Dans cet article, nous considérons le suivi comme un problème d'apprentissage d'estimation de la localisation et de l'échelle d'un objet, compte tenu de sa localisation précédente, de son échelle, ainsi que des images courantes et précédentes. Étant donné un ensemble d'exemples, nous entraînons des réseaux de neurones convolutifs (CNN) pour réaliser cette tâche d'estimation. Contrairement à d'autres méthodes d'apprentissage, les CNN apprennent à la fois des caractéristiques spatiales et temporelles conjointement à partir de paires d'images de deux images adjacentes. Nous introduisons plusieurs chemins dans le CNN pour mieux fusionner les informations locales et globales. Une architecture créative de CNN variant avec le décalage est conçue pour atténuer le problème de dérive lorsque les objets distrayants sont similaires à la cible dans un environnement encombré. De plus, nous utilisons les CNN pour estimer l'échelle grâce à la localisation précise de certains points clés. Ces techniques sont indépendantes des objets, de sorte que la méthode proposée peut être appliquée pour suivre d'autres types d'objets. La capacité du traqueur à gérer des situations complexes est démontrée dans de nombreuses séquences de test.