超级像素跟踪Superpixel Tracking

        感谢大连科技大学的Shu Wang，这是在ICCV 2011上出现的paper：<<Superpixel Tracking>>。
        这是我对原文的部分翻译，剩余的我会逐渐的补全完整，由于自己英文水平有限，理解难免出错，还望各位不吝指正。大家对原文有什么见解也可以在这里讨论，大家共同学习进步！

超像素跟踪

摘要

        虽然提出了很多跟踪算法，并且验证它们的有效性，利用跟踪器来处理尺度、运动，形状，形状和遮挡等发生很大变化的情况，仍是一个具有挑战性的问题。一个主要原因是缺乏对外观变化的有效图像描述。大多数追踪器使用高级外观结构或低级线索来描述和匹配目标。本文从中级视觉角度根据超级像素中获取的结构化信息提出一种跟踪方法。我们提出一种基于超级像素的区别性外观模型，从而利用中级线索促进跟踪器区别目标和背景。跟踪任务由计算一个目标背景置信图来制定，通过最大后验估计获得最佳候选。实验结果证明，本文的跟踪器能够解决严重遮挡问题，并且能够从漂移中恢复跟踪的目标。结合在线更新，本文所提出的算法表明相对已存在的目标跟踪方法可以顺利地执行。

一、简介    

        近年来随着有效的跟踪算法和应用方面的发展见证了视觉跟踪的重大进展。例子很多，从低级视觉线索算法到高级结构信息的适合模型再到考虑外观变化作为目标运动的结果。低级线索对特征跟踪和场景分析很有效，而在目标跟踪情况下就不那么有效了。另一方面，大量的工作已经证明适合的外观模型在取得鲁棒性的目标跟踪中具有重要的作用。

        在文献13中，使用适合外观模型的增量视觉跟踪器旨在考虑刚体或者限制性可变运动所呈现的外观变化。虽然当遇到光照或者目标姿态变化时仍然能够运行良好，但当发生严重遮挡或者非刚性变形时就会由于，采用整体外观模型而使效果比较差。总体跟踪器将跟踪任务表示为一个基于像素的二进制分类问题。虽然这种方法能够区分目标和背景，基于像素的描述具有限制性使它不能处理严重遮挡和杂乱情况。基于帧的跟踪器使用基于贴片的直方图描述旨在解决部分遮挡。跟踪任务是通过与使用一个模板进行匹配局部切片的票数相结合。然而，模板不能更新，从而它不能够如愿的解决由尺度、形状变形引起的外观变化。

        除了考虑外观变化之外，最近的一些工作集中在减少视觉漂移。文献3中，是一个扩展多个实例学习到在线设置的目标跟踪算法。然而，虽然它能够减少视觉漂移，但不能解决非刚性形状变形很大的情况。文献20使用多个模型扩展了检测跟踪的框架来减少漂移。虽然这种跟踪器可以解决某些漂移和形状变形，但对于如何扩展该方法来解决目标在非刚性运动和姿态变化很大的问题尚不清楚。文献11提出的这种视觉跟踪分解方法通过多个运动和观察模型很有效的扩展了传统粒子滤波框架来考虑由姿态变化、光照、尺度和部分遮挡等引起的外观变化。