This thesis develops single-object tracking algorithms that are accurate, robust, and real-time-capable. We present a method that can track homogeneous regions that undergo arbitrary deformations efficiently. Additionally, we present an edge-based tracker that can cope with occlusions, is very accurate, and virtually drift-free. The tracker is evaluated on a challenging new dataset and performs on par with the current state of the art in deep-learning but is at least 40 times faster.
Übersetzte Kurzfassung:
Diese Arbeit entwickelt Verfahren zur Objektverfolgung, die sowohl genau und robust als auch echtzeitfähig sind. Es wird eine Methode vorgestellt, die verformbare homogene Regionen verfolgen kann. Zusätzlich wird ein kantenbasiertes Verfahren präsentiert, das sehr genau ist, auch bei sehr langen Sequenzen. Das Verfahren wird an einem anspruchsvollen neuen Datensatz evaluiert und erreicht eine vergleichbare Genauigkeit wie aktuelle Deep-Learning-Methoden, ist aber mindestens 40-mal schneller.