单目标跟踪综述

0 基础知识：

        目标跟踪是通过在连续的视频图像序列中估计跟踪目标位置、形状或所占区域，来确定目标的运动速度、方向以及轨迹等运动信息，实现对运动目标地跟踪操作。

1 主要流程（见下图）：

• 初始化目标框

• 下一帧生成多个候选框

• 提取候选框特征

• 对候选框评分

• 选择评分最高的候选框（即预测目标）

• 对多个预测值进行融合得到更优预测目标

2 一般优化环节

        对应主要流程中的各个环节，提出了很多论文做优化，具体可优化部分如下：

1. 候选样本的生成环节，生成候选样本的速度和质量直接决定了跟踪系统表现的优劣。通常使用粒子滤波和滑动窗口；

2. 特征提取环节，显著的特征是目标跟踪的关键技术之一。特征也分为两类：手工提取的特征（Gray、HOG方向梯度直方图、Haar-like哈尔特征、SIFT尺度不变特征）和深度特征（深度网络模型训练出来的特征）；

3. 生成模型环节，主要分为生成式模型和判别式模型两类，生成式模型就是模板匹配，常使用稀疏表示、字典学习等；判别式模型就是训练一个分类器去区分目标和背景，选择置信度高的候选样本作为预测结果，常使用逻辑回归、岭回归、相关滤波等；

4. 模型更新环节，主要是更新观测模型，以适应目标表现的变化，防止跟踪过程发生偏移；

5. 融合环节，主要是如何选取预测结果，大致分两种方法：在多个预测结果中选一个最好的；利用所有的预测加权平均。

3 在线跟踪和离线跟踪

• Online跟踪：图像序列是一步步处理的，因此该跟踪方式也称序列跟踪。

• Offline跟踪：利用一组帧来处理数据。所有帧的观测目标需要提前获取，然后经分析计算组成最后的输出。

4 跟踪算法的发展历程

4.1 经典跟踪算法

1. 基于目标模型建模的方法：通过对目标外观模型进行建模，然后在之后的帧中找到目标。特征匹配算法比较常用，SIFT特征、SURF特征和Harris角点特征等。

2. 基于搜索的方法：预测算法加入跟踪算法中，在预测值附近进行目标搜索，减少搜索的范围，常用Kalman滤波、粒子滤波等。

总结 经典跟踪算法由两个致命的缺陷：

1. 没有将背景信息考虑在内，导致在目标遮挡，光照变化以及运动模糊等干扰下容易出现跟踪失败的情况；

2. 跟踪算法执行的速度很慢（每秒10帧左右），无法满足实时性的要求。

4.2 基于核相关滤波的跟踪算法

        相关滤波算法的发展历程：MOSSE -> CSK -> KCF -> DCF -> CN -> CN2

下一篇参考：MOSSE相关滤波跟踪算法_Skywalker_air的博客-CSDN博客

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

今天天色已晚，明天继续更新，下一篇是对MOSSE算法的理解，一步一步推导到KCF，理论过完，就开始代码实战！