孙子文,
秦晓燕,
夏良,
朱虹
中国人民解放军陆军炮兵防空兵学院信息工程系 合肥 230031
基金项目:安徽省自然科学基金(2008085QF325)
详细信息
作者简介:袁广林：男，1973年生，博士，副教授，主要研究方向为图像处理、计算机视觉、机器学习及其应用等
孙子文：男，1996年生，硕士生，研究方向为计算机视觉、机器学习
秦晓燕：女，1980年生，硕士，讲师，主要研究方向为计算机视觉、机器学习等
夏良：男，1980年生，硕士，副教授，主要研究方向为计算机视觉、机器学习、大数据等
朱虹：女，1987年生，硕士，讲师，主要研究方向为计算机视觉、图像处理等
通讯作者:袁广林 yuangl_plus@126.com
中图分类号:TN911.73; TP391.4计量
文章访问数:186
HTML全文浏览量:80
PDF下载量:37
被引次数:0
出版历程
收稿日期:2020-08-10
修回日期:2021-04-14
网络出版日期:2021-07-11
刊出日期:2021-11-23
Object Tracking Based on Cost Sensitive Structured SVM
Guanglin YUAN,,Ziwen SUN,
Xiaoyan QIN,
Liang XIA,
Hong ZHU
Department of Information Engineering of PLA Army Academy of Artillery and Air Defense, Hefei 230031, China
Funds:Anhui Provincial Natural Science Foundation (2008085QF325)
摘要
摘要:基于结构化SVM的目标跟踪由于其优异的性能而受到了广泛关注，但是现有方法存在正样本和负样本不平衡问题。针对此问题，该文首先提出一种用于目标跟踪的代价敏感结构化SVM模型，其次基于对偶坐标下降原理设计了该模型的求解算法，最后利用提出的代价敏感结构化SVM实现了一种多尺度目标跟踪方法。在OTB100数据集和VOT2019数据集上进行了实验验证，实验结果表明：该文方法相比相关滤波目标跟踪方法，跟踪精度较高，相比深度目标跟踪方法，具有速度优势。
关键词:目标跟踪/
非平衡问题/
代价敏感/
结构化SVM
Abstract:Object tracking based on structured SVM attracts much attention due to its excellent performance. However, the existing methods have the problem of imbalance between positive and negative samples. To solve the problem, a cost sensitive structured SVM model is proposed for object tracking. Secondly, an algorithm for the proposed model is designed via dual coordinate descent principle. Finally, a multi-scale object tracking method is implemented using the proposed cost sensitive structured SVM. The experimental results on OTB100 datasets and VOT2019 datasets show that compared with the correlation filtering trackers, the proposed method has higher tracking accuracy, and has the advantage of speed compared with the deep object trackers.
Key words:Object tracking/
Unbalanced problem/
Cost sensitive/
Structured SVM
PDF全文下载地址:
https://jeit.ac.cn/article/exportPdf?id=fe423366-7ab4-413d-a036-77b6a8a5947c
