liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Accurate Scale Estimation for Robust Visual Tracking
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska högskolan.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska högskolan.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska högskolan.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska högskolan.ORCID-id: 0000-0002-6096-3648
2014 (Engelska)Ingår i: Proceedings of the British Machine Vision Conference 2014 / [ed] Michel Valstar, Andrew French and Tony Pridmore, BMVA Press , 2014Konferensbidrag, Poster (med eller utan abstract) (Refereegranskat)
Abstract [en]

Robust scale estimation is a challenging problem in visual object tracking. Most existing methods fail to handle large scale variations in complex image sequences. This paper presents a novel approach for robust scale estimation in a tracking-by-detection framework. The proposed approach works by learning discriminative correlation filters based on a scale pyramid representation. We learn separate filters for translation and scale estimation, and show that this improves the performance compared to an exhaustive scale search. Our scale estimation approach is generic as it can be incorporated into any tracking method with no inherent scale estimation.

Experiments are performed on 28 benchmark sequences with significant scale variations. Our results show that the proposed approach significantly improves the performance by 18.8 % in median distance precision compared to our baseline. Finally, we provide both quantitative and qualitative comparison of our approach with state-of-the-art trackers in literature. The proposed method is shown to outperform the best existing tracker by 16.6 % in median distance precision, while operating at real-time.

Ort, förlag, år, upplaga, sidor
BMVA Press , 2014.
Nationell ämneskategori
Datorsystem
Identifikatorer
URN: urn:nbn:se:liu:diva-113948DOI: 10.5244/C.28.65ISBN: 1901725529 (tryckt)OAI: oai:DiVA.org:liu-113948DiVA, id: diva2:785778
Konferens
British Machine Vision Conference, Nottingham, September 1-5, 2014
Tillgänglig från: 2015-02-03 Skapad: 2015-02-03 Senast uppdaterad: 2019-11-11Bibliografiskt granskad

Open Access i DiVA

fulltext(2490 kB)10443 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2490 kBChecksumma SHA-512
55515ae8d41c6954635a6c3aca4316911c99f73aceff4011f5146ce5dd8c2353f15aca51810787f57dcac43d46ecf68dba0cc083628e99d9b5c65e5f5f172d82
Typ fulltextMimetyp application/pdf
Extended Abstract(779 kB)325 nedladdningar
Filinformation
Filnamn ATTACHMENT01.pdfFilstorlek 779 kBChecksumma SHA-512
065ae4f37692c55f3fe8c268a8d6465b40425ff8f2fa58da854ae811ef6db01751f7577991bff6ea06c626a4e4d1559a82fa4bfe87b2acb9040f27aa09b9783d
Typ attachmentMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Personposter BETA

Danelljan, MartinHäger, GustavKhan, FahadFelsberg, Michael

Sök vidare i DiVA

Av författaren/redaktören
Danelljan, MartinHäger, GustavKhan, FahadFelsberg, Michael
Av organisationen
DatorseendeTekniska högskolan
Datorsystem

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 10443 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 19384 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf