再帰的な図/背景分割としてのトラッキング

長期間にわたるトラッキングは、対象の外観、形状、スケールが変化する可能性があるため、困難です。私たちは、背景から図を繰り返しセグメント化することによるトラッキングのパラダイムを提案します。セグメンテーションで得られる正確な空間的サポートは、トラックに関する豊富な情報を提供し、ドリフトなしに非剛体オブジェクトの信頼できるトラッキングを可能にします。図/背景分割は、静的画像の手がかりと時間的コヒーレンスの手がかりの両方を利用して、各フレーム内で順次動作します。これには、明るさ（または色）の外観モデルと、低レベルの領域対応を通じて図/背景マスクを伝播させる空間モデルが含まれます。スーパーピクセルベースの条件付きランダムフィールドは、手がかりを線形に結合し、ループ信念伝播を使用して図と背景の限界事後確率を推定します。私たちは、フィギュアスケートやサッカーを含むスポーツビデオの長いシーケンスで私たちのアプローチを示します。