Resumen

Muchos algoritmos modernos de seguimiento visual incorporan agrupamiento espacial, agrupamiento máximo o agrupamiento promedio, lo cual es para lograr invarianza a transformaciones de características y una mejor robustez a la oclusión, cambios de iluminación y variaciones de posición. En este documento, se propone el método de agrupamiento máximo-promedio y la estrategia de selección de pesos con un marco híbrido, que se combina con representación dispersa y filtro de partículas, para explotar la información espacial de un objeto y hacer buenos compromisos para garantizar la corrección de los resultados en este marco. Los desafíos pueden ser bien considerados por el algoritmo propuesto. Los resultados experimentales demuestran la efectividad y robustez del algoritmo propuesto en comparación con los métodos de vanguardia en secuencias desafiantes.

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Seguimiento visual; Algoritmos; Agrupamiento espacial; Agrupamiento máximo; Agrupamiento promedio; Robustez
• Keywords:Visual tracking; Algorithms; Spatial pooling; Max pooling; Average pooling; Robustness