کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4968788 1449744 2017 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Leveraging observation uncertainty for robust visual tracking
ترجمه فارسی عنوان
استفاده از عدم قطعیت مشاهدات برای ردیابی بصری قوی
کلمات کلیدی
ردیابی شی، محاسبه پس زمینه، تصویر ذاتی، تشخیص سلامت،
ترجمه چکیده
در این مقاله دقت ردیابی بصری با استفاده از یک اقدام جدید برای کیفیت مشاهده افزایش می یابد. ما کیفیت مشاهدات را با اطلاعات متقابل اندازه گیری می کنیم، و سپس نگاهی به فاصله ای که تحت آن اطلاعات متقابل قرار دارد، نگاه کنیم. به عنوان عدم قطعیت مشاهده، طول فاصله پیشنهاد شده است. بهترین مشاهدات، این است که هر دو به حداکثر رساندن کیفیت مشاهده و به حداقل رساندن عدم اطمینان مشاهده. ما نشان می دهیم که جستجو برای بهترین مشاهده در این شرایط، پیش پردازش تصویر را با کم کردن پس زمینه، شناسایی مناطق برجسته و ارائه تصویر روشنایی تصویر غیر مجاز می کند. این مراحل پیش پردازش بسیار سریع است و می تواند پیش از هر ردیاب موجود باشد. در آزمایشات نشان داده شده است که عملکرد چندین ردیاب را می توان بطور قابل ملاحظه ای افزایش داد وقتی که آنها در تصاویر پیش پردازش ما اجرا می شود، به جای ورودی خام که آنها در نظر گرفته شده بود. در تمام موارد نسخه با پیش پردازش به طور قابل توجهی از عملکرد ردیاب اصلی بهتر است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
In this paper, the accuracy of visual tracking is enhanced by leveraging a novel measure for observation quality. We measure observation quality with mutual information, then look at the interval covered by that mutual information. As observation uncertainty the interval length is proposed. The best observation is considered the one that both maximizes the observation quality and minimizes the observation uncertainty. We show that searching for the best observation in these terms amounts to preprocessing the image by subtracting the background, detecting salient regions, and rendering the image illumination-invariant. These preprocessing steps are very fast and can precede any existing tracker. In experiments it is shown that the performance of several trackers can be substantially boosted when they run on our preprocessed images, rather than the raw input for which they were intended. In all cases the version with preprocessing significantly outperforms the original tracker's performance.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Vision and Image Understanding - Volume 158, May 2017, Pages 62-71
نویسندگان
, , ,