Weak-structure-aware visual object tracking with bottom-up and top-down context exploration

این مساله چالش بزرگی برای ردیابهای مدل سازی است که شی به دلیل حرکت، تغییر شکل، انحطاط و محیط اطراف تحت تاثیر قرار می گیرد. در این مقاله، روش جدیدی را برای مدل سازی و مکان یابی با استفاده از آگاهی از ساختار ضعیف بخش های تبعیض آمیز هر دو شی و محیط اطراف آن، مورد بررسی قرار می دهیم. قطعات تبعیض آمیز براساس نقاط کلیدی و توصیفگرهای ویژگی مدل سازی می شوند. بخش های تبعیض آمیز را به دو دسته مربوط به شی و پس زمینه تقسیم می کنیم و روابط ساختاری فضایی آنها با شی را مدل می کنیم. در حالی که ردیابی، قطعات موفقیتآمیز به مراکز بالقوه جسم کمک می کنند. از ساختارهای ضعیف آگاهی داریم، ما بیشتر از مراکز بالقوه برای یافتن جسم خوشه می گیریم. مقیاس شیء نیز به صورت سازگار به روز می شود. برای افزایش دقت این استنتاج مکان ضعیف ساختار آگاه، ما به طور کامل کشف زمینه در هر دو روش بالا و پایین به پایین. در مرحله پایین به بالا، تخمین حرکت محلی پیکسل های سطح پایین را بررسی می کنیم. اطلاعات پایین به بالا ردیابی سازگار با قطعات جداسازی را تولید می کند. در مرحله بالا به پایین، ما یک مدل هسته سوپرپیکسل را ایجاد می کنیم تا تقریبا شی را از محیط اطراف آن تشخیص دهیم، که اطلاعات راهنمایی برای استنتاج محل و به روز رسانی مدل را فراهم می کند. اثربخشی روش پیشنهادی با ارزیابی بر مبنای معیار و مقایسه با روشهای ردیابی اخیر تایید شده است.