Deep Learning for Visual Tracking: A Comprehensive Survey(单目标跟踪目前最好的综述类文章)

Deep Learning for Visual Tracking: A Comprehensive Survey
https://arxiv.org/pdf/1912.00535.pdf

摘要

视觉目标跟踪是计算机视觉中最抢手但最具挑战性的研究主题之一。 鉴于问题的不适性及其在广泛的实际场景中的普遍性，已经建立了许多大规模的基准数据集，并在此基础上开发出了可观的方法，并证明了近年来的巨大进步– 主要是基于最近基于深度学习（DL）的方法。 这项调查旨在系统地调查当前基于DL的视觉跟踪方法，基准数据集和评估指标。 它还广泛评估和分析了领先的视觉跟踪方法。 首先，从以下六个关键方面总结了基于DL的方法的基本特征，主要动机和贡献：网络体系结构，网络开发，视觉跟踪的网络训练，网络目标，网络输出以及相关过滤器优势的开发。 其次，比较了流行的视觉跟踪基准及其各自的属性，并总结了它们的评估指标。 第三，在一系列公认的OTB2013，OTB2015，VOT2018和LaSOT基准上，对基于DL的最新方法进行了全面检查。 最后，通过对这些最新方法进行定量和定性的批判性分析，研究了它们在各种常见情况下的利弊。 它可以作为从业人员温和的使用指南，以权衡何时何地在什么条件下选择哪种方法。 它还促进了对当前问题的讨论，并阐明了有前途的研究方向。

1 INTRODUCTION

通用视觉跟踪旨在在只有目标的初始状态（在视频帧中）可用时估计未知视觉目标的轨迹。 视觉跟踪是一个开放且有吸引力的研究领域（见图1），具有广泛的类别和应用。 包括自动驾驶汽车[1] – [4]，自动驾驶机器人[5]，[6]，监视[7]-[10]，增强现实[11]-[13]，无人机（UAV）跟踪[ 14]，体育[15]，外科手术[16]，生物学[17] – [19]，海洋探险[20]，仅举几例。 在复杂的现实世界场景中，视觉跟踪（即无模型跟踪，实时学习，单相机，2D信息）的不适定定义更具挑战性，其中可能包括任意类别的目标外观及其 运动模型（例如，人，无人机&#