vot 【视觉目标跟踪最高峰】VOT Challenge 2017 亚军北邮团队技术分享

随着计算机视觉深度学习的发展，目标跟踪近年来发展迅速。目标跟踪解决的问题是在复杂背景下跟踪同一目标。)一段时间。因此，目标跟踪是监控、安防、自动驾驶、无人机、智能家居等应用中必须解决的关键问题。

作为视觉跟踪领域的最高峰，视觉目标跟踪挑战赛是国际目标跟踪领域最权威的评估平台。由伯明翰大学、卢布尔雅那大学、布拉格捷克理工大学和奥地利科技学院联合创办，旨在评估复杂场景下单目标短期跟踪的算法性能。由于评价序列每年更新，标注的准确性逐年提高，VOT竞赛被认为是视觉跟踪领域最难的竞赛，远远超过其他数据集。所以每年最好的跟踪算法都会在激烈的竞争中显示出自己的实力，激发灵感。

今年的VOT 2017，作为ICCV 2017的一个工作坊，吸引了来自世界各地的38支队伍，提交了38个新算法参加比赛，加上组委会提交的13个算法，一共500个进行了对比分析

在38个公开组中，大连理工大学的陆虎川教授获得了第一名。在北京邮电大学董源教授的指导下，北京飞搜科技&来自北京邮电大学的何志群、樊英若、庄俊飞、白红亮提交的结果在VOT 2017公布的60个评价序列中获得第二名。

VOT竞赛测试目前单目标跟踪的最高标准

与VOT 2016相比，VOT 2017中的一些序列已经被大多数跟踪器准确跟踪，因此在VOT 2017中，VOT 2016的10个评价结果较差的图像序列被替换，如图1所示，并且整体序列属性分布保证保持不变。同时，VOT2017与精确到像素级的VOT2016相比，重新校准了所有序列的地面真值，然后重新拟合矩形框。

图1 vot2017注释更改图表

VOT2017使用三个主要指标，EAO，准确性和鲁棒性，来评估跟踪结果。

平均重叠期望是每个跟踪器在短时间图像序列上的非重置重叠的期望，是VOT评估跟踪算法准确性的最重要指标。

精度是指单个测试序列下跟踪器的平均重叠率。

健壮性是指单个测试序列中跟踪器失败的次数，当重叠率为0时可以判断为失败。

今年VOT的成绩如下:

图2 VOT2017结果图

VOT 2017结果表明，主流的跟踪算法有三种，一是传统的相关滤波方法，二是基于卷积神经网络的方法，三是深度卷积特征与传统协同滤波相结合的方法。

其中深度卷积特征和协同过滤相结合的效果最好。比如今年的拿了第一，大连理工大学卢老师的LSART，他们的跟踪器以一种新的方式结合了CNN和相关滤波器。CNN通过设计算法，专注于特定区域的回归，相关滤波专注于全局回归。最后，将回归结果进行组合，以互补的方式获得物体的精确定位。

在VOT今年的51个跟踪器中，有9种将深度特征与相关滤波相结合的方法。例如，使用VGG网络提取特征，然后将其输入到相关滤波框架中，并在非端到端线路上更新滤波器参数，以实现精确跟踪。这九种结合深度特征和相关滤波的方法在VOT2017中表现良好，获得前四名。

VOT 2017视觉跟踪第二名技术:单卷积特征的相关滤波解决方案

北京飞搜科技&北京邮电大学团队提交的结果在VOT 2017比赛公布的60个评价序列中获得第二名。

我们的方法基于流行的相关过滤框架。我们使用一个多尺度跟踪方案与单一的有线电视新闻网的特点。许多现有的跟踪器将CNN特征与传统的机器学习特征相结合，例如hog特征和CN颜色特征。在我们的实验中，我们发现CNN的浅层特征具有对象轮廓的信息，而高层的深层特征具有对象的语义信息。融合CNN的浅层和高层特征可以使跟踪器具有良好的性能。

图3 CFWCR跟踪效果对比

使用相关过滤框架的难点之一是它有很多超参数，这与目前主流的端到端深度学习训练框架有很大不同。我们发现使用PCA压缩特征可以大大提高跟踪器的跟踪速度，但性能会略有下降。因此，我们在评估中不使用主成分分析，而是在实际跟踪系统中使用主成分分析，以更好地平衡速度和精度。

以下是我们的跟踪器在不同序列长度下的性能曲线。可以看出，在短视频序列中，我们的算法优于其他主流算法。

图4 cfwcr重叠率性能图

视觉跟踪的未来展望:充分利用CNN

在连续两年的VOT比赛中，基于相关滤波和CNN相结合的跟踪器性能突出，在性能指标上远远领先于其他算法。而非端到端的训练框架有很多超参数，在线更新模式使得一些性能最好的跟踪器在实际算法部署过程中难以满足实时性要求。

视觉跟踪方向与目标检测和目标分割方向的区别在于CNN没有充分发挥其强大的作用。未来视觉跟踪方向更应该注重训练的实时性和便捷性，会涌现出更多的端到端训练的跟踪器，让CNN在视觉跟踪领域充分发挥作用。我们还会在视觉跟踪领域继续深入研究，希望能为学术界和工业界做出一些小小的贡献！

声明:本网站所有内容均来自互联网。我们对本文中的观点持中立态度，并不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请仅参考。如有侵权，请联系删除。