Fast Visual Object Tracking with Rotated Bounding Boxes SiamMask_E目标跟踪算法论文笔记

Fast Visual Object Tracking with Rotated Bounding Boxes

ICCV-2019-workshop

论文下载地址：https://arxiv.org/abs/1907.03892

论文代码下载地址：https://github.com/ baoxinchen/siammask_e

论文创新点：本论文是基于Siammask进行改进,Siammask算法存在的问题是：跟踪框角度和Ground Truth框之间的角度存在较大的差异，本论文提出了椭圆拟合的方法（opencv里面有这个算法，可以百度得到），可以更好的修正跟踪框的角度，这样得到的跟踪框和Ground Truth跟踪框之间的iou面积就会提升很多，相应的精度也会提升。在VOT2019测试集上面改进的算法在EAO评价指标上比Siammask算法提升了5.6%，2.6%。

Siammsk算法预测跟踪框存在的问题：

Siammask使用的角度调整方法是最小化矩形区域（MBR），当时MBR存在的问题就是最小面积矩形不能代表mask的几何形状和点的分布。因此，大多数估计的边界框的方向都不是正确的。

SiamMask_E的椭圆拟合算法：

上图是这个算法的整体流程。(a)首先传入一张mask图片。(b)然后通过边缘信息得到一个椭圆。（c）将得到的椭圆通过修正矩阵M进行修正得到c图中修正之后的一个椭圆。（d）通过图c修正之后的椭圆得到一个检测框。（e）的蓝色检测框是根据mask图片的点信息得到的检测框。（f）红色检测框是绿色和蓝色的相交的共同区域得到的最终结果。（g）在通过之前c的修正矩阵M返回到之前的图片角度。

下面我们说一下修正矩阵M是如何得到的。

如上图所示M是角度修正矩阵。参数θ是椭圆的长半轴和y轴的角度。

如上图所示就是过程（c）的处理公式。

上图所示的就是过程（g）的处理公式，将mask修正回之前的角度。

跟踪效果：