本文主要是介绍MUSTer：Multi-Store Tracker:A Cognitive Psychology Inspired Approach to Object Tracking，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
题目：MUSTer：Multi-Store Tracker:A Cognitive Psychology Inspired Approach to Object Tracking
来源：CVPR 2015
创新点：在进行目标跟踪时，使用一种认知心理学的方法的启发式方法。
ICF：integrated correlation filter
本文采用一种认知心理学的方法设计了一种灵活的表示方法以适应在跟踪过程中目标外观的变化。受著名的Atkinson-Shiffrin Memory Model的启发，我们提出了MUSTer，一种可以以长时记忆和短时记忆处理目标记忆的方法。在短时跟踪时，使用一种强有力的ICF的方法用于短期存储。在集成的长期模块，使用的是关键点匹配跟踪和RANSAC估计，能够把长时记忆给集成起来，并且可以为输出控制提供额外的信息。存储的目的是recover from tracking failures。
ASMM提出记忆分为3个独立的阶段：sensory memory, short-term memory and long-term memory.长时记忆是需要长期存储的。当外界环境是连续且稳定的，短期存储运作is fast，并且可以产生immediate responses.然而，模型在输入的时候遇到一个sudden change的话，长期存储的那部分信息就被唤醒，做一些检索的事情，目的是帮助输出更加稳定。这一操作可以使得人们更好的对周围变化的环境做出反应。
可以说有的跟踪器在短时跟踪时效果好，有的跟踪器在长时跟踪时效果好。换句话说，一些跟踪器可以看作short-term systems，而另一些跟踪器可以看作是long-term systems。ASMM的作用就是使得这两类跟踪器合作，这样就推动着作者设计a tracker that integrates a short-and long-term system to boost tracking performance.(MULti-Store)
一种集成CF（KCF和DSSCF，用于translation estimation and scale estimation）用于处理短时记忆，并且依赖于时空一致性，进行短时跟踪。In addition，整合了一种基于关键点匹配跟踪和RANSAC估计的补充成分，使用长期存储的关键点特征数据库发生作用，并且控制最后的输出和短时记忆的状态。为了维持合理的关键点特征数据库的大小，作者采用了遗忘曲线来进行建模，从而保存了有用的特征。
有各种方法可以用于对目标外观的记忆进行建模。虽然CF比较流行，但是大多数跟踪器依赖于可视线索的时空一致性，并且使用了相对而言比较有风险的更新模式，因此只能用于控制short-term tracking。而长时tracking可以进行遮挡检查，尽可能的避免更新错误。
额，不过这篇文章的代码竟然加密了（后缀是.p）。你们有人会解密这种文件的话，可以告诉我啊。
这篇关于MUSTer：Multi-Store Tracker:A Cognitive Psychology Inspired Approach to Object Tracking的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
