最近的CVPR2018上出现了一篇使用Region Proposal Network来做目标跟踪的文章,题目是“High Performance Visual Tracking with Siamese Region Proposal Network”,简称SiamRPN。听说效果很好,但是文章一直没放出来,不知道他的实现细节,所以闲来无事在ArXiv上面搜索了一下,意外的发现一篇用Region Proposal来做跟踪的文章,文章题目是“A New Target-specific Object Proposal Generation Method for Visual Tracking”,简称TOPGT。之所以对这篇文章感兴趣,一是因为这篇文章用了Region Proposal ,二是因为文章的方法性能相当强大,在OTB2013上击败了除ECO以外的所有方法,在UAV20L上的性能强于ECO。可惜的是,作者在文章中没有说算法的运行效率,不知道实时性怎么样,感觉效率可能不是很高,不过在SiamRPN中换成了RPN网络来实现Region Proposal后应该会比较快。
闲话说完了,进入正题。TOPGT算法跟踪的基本流程是 Region Proposal 提取候选的目标区域 + CNN 给出每个目标区域的置信度,选择置信度高的作为下一帧的预测目标,并且CNN模型会不断更新。其中Region Proposal 提取候选的目标区域的比较关键的,下面分别介绍跟踪阶段和训练阶段的算法细节。
一、跟踪阶段(Region Proposal提取候选的目标区域+CNN给出置信度)