Key points are not available for this paper at this time.
Aufgrund des implizit eingeführten periodischen Verschiebens des begrenzten Suchbereichs muss sich die visuelle Objekterfassung unter Verwendung von Korrelationsfiltern häufig mit unerwünschten Randwirkungen auseinandersetzen. Da die Randwirkung die Qualität des Objektmodells erheblich beeinträchtigt, ist es eine herausfordernde Aufgabe für unbemannte Luftfahrzeuge (UAV), eine robuste und genaue Objektverfolgung durchzuführen. Traditionelle handgefertigte Merkmale sind auch nicht präzise und robust genug, um das Objekt aus dem Sichtwinkel des UAV zu beschreiben. In dieser Arbeit wird ein neuartiger Tracker mit online verbessertem Hintergrundlernen vorgeschlagen, um Randwirkungen zu bekämpfen. Echte Hintergrundproben werden dicht extrahiert, um Korrelationsfilter zu lernen und zu aktualisieren. Räumliche Bestrafung wird eingeführt, um das Geräusch, das durch übermäßig viele Hintergrundinformationen entsteht, auszugleichen, sodass ein genaueres Erscheinungsmodell eingerichtet werden kann. In der Zwischenzeit werden konvolutionale Merkmale extrahiert, um eine umfassendere Darstellung des Objekts zu bieten. Um Änderungen des Erscheinungsbildes der Objekte zu mildern, wird eine Mehrfachrahmentechnik angewendet, um eine ideale Antwortkarte zu lernen und die generierte in jedem Frame zu überprüfen. Ausführliche Experimente wurden an 100 herausfordernden UAV-Bildsequenzen durchgeführt, und der vorgeschlagene Tracker hat eine Spitzenleistung erzielt.
Fu et al. (Freitag) haben diese Frage untersucht.