The deep learning of neural network works on vision recognition and classification tasks briskly, and it can extract great features of an image for classification recently. Therefore, many approaches in the field of visual object tracking studied with this advance in two-ways with these characteristics. First, they can regard tracking problem as classifying each video and frame by learning all dataset. Second, use the deep neural network as feature generator and use other classifiers for using their features such as Support Vector Machine(SVM). On the second part, the features can be used to learn discriminative target appearance models like online SVM. We propose an adaptive visual tracking framework based on the state-of-the-art ferns binary feature detection method with Convolution Neural Network(CNN) features. The ferns feature detection obtaining simple binary feature and it can make online training samples for the classifier. Our framework makes binary feature consist of ferns features and CNN features which are learning classifier online to provide adaptive tracking. These features are simple and powerful features for learning classifier of the detector and make it robust to target object with time. We test our proposed method with state-of-the-art trackers on existing tracking benchmarks.
최근 인공신경망은 깊은 학습을 통하여 매우 뛰어난 특징을 학습함으로써 물체 인식 및 분류 부분에서 획기적인 성과를 나타냈다. 이에 이를 활용한 물체 추적에 대한 연구가 많이 진행되고 있다. 이러한 연구들은 물체 추적 문제를 영상의 모든 이미지를 각각 신경망을 위한 학습 데이터로 활용하여 위치를 분류하는 방법과 인공신경망을 이용한 특별한 특징들을 이용하여 지지도 벡터 머신과 같은 분류기를 학습시키는 방법, 2가지로 나뉜다. Ferns 특징을 이용한 물체 검출기는 간단한 이진 특징을 이용하여 분류기를 실시간 학습 시킬 수 있는 학습 데이터를 만들어 내는 최신 알고리즘이다. 이번 연구에서는 ferns 이진 특징 물체 검출기와 콘볼루션 신경망 특징을 이용한 물체 추적 알고리즘을 제시한다. 이 알고리즘은 ferns 특징과 콘볼루션 신경망 특징을 이용하여 만들어 내어 검출기의 실시간 학습이 가능한 이진 더욱 강인한 특징을 만들어낸다. 이 특징은 간단하면서도 매우 강인하며 실시간 학습을 함으로써 시간이 지날수록 지정한 물체에 대한 추적기능이 강인해 진다. 최종적으로 우리는 이 알고리즘을 최신 벤치마크 결과에 대하여 비교 분석을 진행하였다.
