引用本文

刘巧元, 王玉茹, 张金玲, 殷明浩. 基于相关滤波器的视频跟踪方法研究进展. 自动化学报, 2019, 45(2): 265-275. doi: 10.16383/j.aas.2018.c170394

LIU Qiao-Yuan, WANG Yu-Ru, ZHANG Jin-Ling, YIN Ming-Hao. Research Progress of Visual Tracking Methods Based on Correlation Filter. ACTA AUTOMATICA SINICA, 2019, 45(2): 265-275. doi: 10.16383/j.aas.2018.c170394

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170394

关键词

视频跟踪，相关滤波器，模型训练，岭回归 

摘要

视频跟踪是计算机视觉的重要组成部分，可在智能交通、医疗诊断等实际应用中发挥重要作用.近年来，相关滤波器凭借精度高、速度快的优势，逐步发展为视频跟踪方法的主要研究方向之一，可以很好地处理多种视频跟踪难题.随着基于相关滤波器的视频跟踪系列方法被相继提出，算法设计趋于完善，跟踪效果也趋于精准.本文从不同角度总结了多种具有代表性的相关滤波跟踪方法，分析了各种方法的发展进程，并预测了未来可能的发展方向.

文章导读

视频跟踪作为计算机视觉的重要研究方向, 近年来备受关注, 它的主要任务是根据已知视频序列中目标的初始状态, 通过系列算法估计出目标的运动轨迹.视频跟踪方法在高级人机交互[1]、安全监控[2]和行为分析[3]等方面具有潜在的经济价值和广泛的应用前景.

视频跟踪方法从最初的差分法[4]、光流法[5]到现在各类目标跟踪算法百花齐放的态势已有40多年的发展历史; 自引入机器学习算法以来, 视频跟踪算法更是得到了突飞猛进的发展.目前视频目标跟踪主要有三大发展方向:深度学习方向[6-8]、相关滤波方向[9-11]和其他传统策略[12-13].基于深度学习的视频跟踪方法大多关注神经网络的构建与深度特征的提取, 但深度神经网络内部参数较多, 训练时间较长, 所以这类方法跟踪速度相对较慢, 很难达到实时跟踪; 而基于相关滤波器的跟踪方法却因速度快、效果好的特点吸引了众多研究者的目光, 逐步成为视频跟踪算法发展的主要方向.由于该系列方法兴起不久, 且发展速度较快, 所以目前尚缺少相关综述性文献.

相关滤波器基于判别式框架, 与经典的支持向量机(Support vector machine, SVM)[14]等分类算法一样同属于监督学习.与SVM等二分类算法不同的是, 基于相关滤波器的跟踪方法将训练样本标签连续化以形成置信图, 求得图中响应最大的位置即为目标.鉴于这种方法能有效提高跟踪算法的精度和鲁棒性, 许多改进算法被相继提出, 并取得了突破性进展.

本文第1节介绍相关滤波器的基本理论, 第2节介绍近年来针对跟踪难题提出的相关滤波跟踪算法, 第3节介绍针对跟踪策略提出的相关滤波跟踪算法, 第4节展示并分析所论述跟踪算法的实验结果, 第5节对各种方法尚存在的问题进行分析, 总结并阐述未来的发展趋势.

图 1  循环采样示意图

图 2  加入惩罚正则项前后相关滤波系数对比示意图

图 3  各种基于相关滤波跟踪方法成功率对比曲线图

相关滤波器因在傅里叶域计算速度快、效果好等优点, 已被成功应用于各种计算机视觉问题中.事实证明, 将相关滤波器引入跟踪方法可更好地应对跟踪问题中的各种挑战, 提高跟踪的准确性和鲁棒性, 进而实现长时在线跟踪.综合目前基于相关滤波跟踪方法的发展现状, 本文认为该方法未来研究方向如下: 1)分析各层深度特征的作用及重要性, 有效结合最优深度特征和人工特征来弥补彼此的不足, 进而提高模型对特征的表达能力; 2)自适应更新相关滤波模型, 增强模型对目标变化的适应能力; 3)优化相关滤波目标函数, 从根本上提升算法的检测性能.

作者简介

刘巧元 

东北师范大学博士研究生. 2014和2016年获得东北大学学士学位和硕士学位.主要研究方向为视频目标跟踪, 模式识别.E-mail: liuqy558@nenu.edu.cn

张金玲  

东北师范大学硕士研究生.2016年获得东北师范大学学士学位.主要研究方向为计算机视觉, 模式识别.E-mail:zhangjl575@nenu.edu.cn

殷明浩  

东北师范大学教授.2008年获得吉林大学博士学位.主要研究方向为自动规划, 自动推理, 语义网和近似推理.E-mail:ymh@nenu.edu.cn

王玉茹  

东北师范大学副教授. 2010年获得哈尔滨工业大学博士学位.主要研究方向为计算机视觉, 模式识别.本文通信作者.E-mail: wangyr915@nenu.edu.cn