论文笔记Understanding and Diagnosing Visual Tracking Systems

最新推荐文章于 2022-01-21 17:16:48 发布

长安zh宇

最新推荐文章于 2022-01-21 17:16:48 发布

阅读量4.7k

点赞数 7

分类专栏：论文笔记

本文链接：https://blog.csdn.net/u010515206/article/details/53406721

版权

本文深入分析目标跟踪系统，将系统拆分为运动模型、特征提取、观测模型等部分，强调特征提取对跟踪效果的决定性影响。实验表明，HOG+颜色特征的跟踪效果最佳，而观测模型的选择在强特征下影响较小。此外，粒子滤波在尺度变化和快速移动场景中有优势，运动模型参数选择也很关键。后处理通过组合多个跟踪器能大幅提升跟踪稳定性。

摘要由CSDN通过智能技术生成

最近在看目标跟踪方面的论文，看到王乃岩博士发的一篇分析跟踪系统的文章，将目标跟踪系统拆分为多个独立的部分进行分析，比较各个部分的效果。本文主要对该论文的重点的一个大致翻译，刚入门，水平有限，如有理解错误和疏漏还请见谅。本文参考了hjl240的文章：追踪系统分模块解析（Understanding and Diagnosing Visual Tracking Systems）

近些年已经出了一些跟踪系统的评估标准，而这些评估的标准是否可以有效的判断一个跟踪系统的优缺点呢？作者针对这个问题将跟踪系统拆分成:运动模型(Motion Model)、特征提取(Feature Extractor)、观测模型(Observation Model)、模型跟踪器(Model Updater)以及总体后处理(Ensemble Post-processor)这五个部分。然后对每一个部分进行实验来评估每个部分对于跟踪结果的影响。
最终通过实验发现， feature extractor部分对于最终跟踪的效果影响最大，而很多研究中关注的observation model则对于最终结果并没有多大的影响，同时motion model 和model updater之中的一些细节会对结果有影响，当一个跟踪系统中的跟踪器种类很多时ensemble post-processor 也会使结果大幅的改善。

一些benchmark

Y. Wu, J. Lim, and M.-H. Yang. Online object tracking: A benchmark. In CVPR, 2013. (AUC) 通过重合率曲线下的的面积或者是中心像素距离曲线来进行评估.
M. Kristan and et al. . The visual object tracking VOT2014 challenge results. In ECCV Workshop, 2014. (VOT)
L. Cehovin, A. Leonardis, and M. Kristan. Visual object tracking performance measures revisited. arXiv preprintarXiv:1502.05803, 2015