判别式相关滤波器的目标跟踪综述

目标跟踪是计算机视觉领域的重要研究方向,单目标跟踪主要分为深度学习、判别式相关滤波器和传统方法.得益于频域计算的高效性,本文选择以判别式相关滤波器为切入点.首先介绍了判别式相关滤波器进行目标跟踪的原理,然后围绕着基础框架进行横向展开,解决边界效应成为判别式相关滤波器发展的分水岭.伴随着卷积神经网络的发展,描述了基于预训练模型的特征提取和深度学习与相关滤波器框架相结合的两个方向,最后总结了关于判别式相关滤波器的发展脉络图.对比于特征插值与置信图融合的方向,在模型中构建合理的约束项进行模型创新成为一个重要方向.实验部分呈现了跟踪器在OTB-2015与VOT-2018数据集下的对比结果与排名,并进行简短的分析.