视觉单目标跟踪任务概述

  视觉目标跟踪的主要目的是：模仿生理视觉系统的运动感知功能，通过对摄像头捕获到的图像序列进行分析，计算出运动目标在每一帧图像中的位置；然后，根据运动目标相关的特征值，将图像序列中连续帧的同一运动目标关联起来，得到每帧图像中目标的运动参数以及相邻帧间目标的对应关系，从而得到目标完整的运动轨迹。视觉跟踪与传统雷达跟踪系统比，工作时不向外辐射无线电波，不易被电子侦察设备发现，具有一定的隐蔽性和抗电子干扰能力。同时，人们能直接从视频监视器上看到目标图像，具有更好的直观性。

目标跟踪是计算机视觉领域的一个重要问题，目前广泛应用在体育赛事转播、安防监控、无人机、无人车、机器人等领域。研究任务包括以下几种：

• 单目标跟踪：给定一个目标，追踪这个目标的位置。
• 多目标跟踪：追踪多个目标的位置。
• Person Re-ID：行人重识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题，即给定一个监控行人图像，检索跨设备下的该行人图像。旨在弥补固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合。
• MTMCT：多目标多摄像头跟踪（Multi-target Multi-camera Tracking），跟踪多个摄像头拍摄的多个人。
• 姿态跟踪：追踪人的姿态。

目标跟踪的主要难点

  现有的算法虽然能一定程度上完成对运动目标的跟踪，但仍存在诸多问题，主要包括：（1）目前的跟踪算法大多基于某一种特征集合对目标进行描述，不够完备；（2）所提取的特征描述无法更好地区分目标与跟踪背景，当背景与目标相似或背景发生很大变化时，跟踪算法往往失效；（3）由于很难长时间对运动轨迹进行准确预测，因此当遮挡频繁发生时，跟踪算法同样会失效。在现有研究中，长时间复杂动态背景中的鲁棒跟踪也是难点：（1）运动目标本身的变化（尺度、旋转、形状等）；（2）运动目标被遮挡；（3）跟踪环境的动态变化（光照变化、图像退化等）。

The challenging aspects in visual tracking	Description
Illumination Variation（IV，照明变化）	目标区域中的照明显著改变
Scale Variation（SV，尺度变化）	第一帧和当前帧的边界框比例超出范围
Occlusion（OCC，遮挡）	目标被部分（Partial）或完全（Full）遮挡，可以利用检测或者分块跟踪进行
Deformation（DEF，形变）	非刚性物体形变，通常导致跟踪发生漂移（Drift），常用方法是更新目标的表观模型，使其适应表观的变化
Motion Blur（MB，运动模糊）	目标区域由于目标或摄像机的运动而模糊
Fast Motion（FM，快速运动）	真实的运动大于20像素
In-Plane Rotation（IPR，平面内旋转）	目标在平面中旋转
Out-of-Plane Rotation（OPR，平面外旋转）	目标旋转出图像平面
Out-of-View（OV，超出视野）	目标中的某些部分离开视图
Background Clutters（BC，背景杂斑）	目标附近的背景具有与目标相似的颜色或纹理，可以预测运动的大致轨迹或提高分类器对背景和目标的判别能力
Low Resolution（