目标追踪综述.pdfVIP

01 目标跟踪简介 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、安防监控和无人机、无人车、机器人等领域。下面是一些应用的例子。 02 目标跟踪任务分类 了解了目标跟踪的用途，我们接下来看目标跟踪有哪些研究领域呢？目标 跟踪可以分为以下几种任务： ? 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。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 按照任务计算类型又可以分为以下 2 类。 ? 在线跟踪 - 在线跟踪需要实时处理任务，通过过去和现在帧来跟踪未来帧中 物体的位置。 ? 离线跟踪 - 离线跟踪是离线处理任务，可以通过过去、现在和未来的帧来推 断物体的位置，因此准确率会在线跟踪高。 03 目标跟踪的困难点 虽然目标追踪的应用前景非常广泛，但还是有一些问题限制了它的应用， 我们看下有哪些问题呢？ ? 形态变化 - 姿态变化是目标跟踪中常见的干扰问题。运动目标发生姿态变化 时, 会导致它的特征以及外观模型发生改变 , 容易导致跟踪失败。例如 : 体育比 赛中的运动员、马路上的行人。 ? 尺度变化 - 尺度的自适应也是目标跟踪中的关键问题。当目标尺度缩小时 , 由于跟踪框不能自适应跟踪 , 会将很多背景信息包含在内 , 导致目标模型的更 新错误 : 当目标尺度增大时 , 由于跟踪框不能将目标完全包括在内 , 跟踪框内目 标信息不全 , 也会导致目标模型的更新错误。因此 , 实现尺度自适应跟踪是十 分必要的。 ? 遮挡与消失 - 目标在运动过程中可能出现被遮挡或者短暂的消失情况。当这 种情况发生时 , 跟踪框容易将遮挡物以及背景信息包含在跟踪框内 , 会导致后 续帧中的跟踪目标漂移到遮挡物上面。若目标被完全遮挡时 , 由于找不到目标 的对应模型 , 会导致跟踪失败。 ? 图像模糊 - 光照强度变化 , 目标快速运动 , 低分辨率等情况会导致图像模型 , 尤其是在运动目标与背景相似的情况下更为明显。因此 , 选择有效的特征对目 标和背景进行区分非常必要。 下图是上述问题的一些实例。 光照以及模糊 形变以及遮挡 04 目标跟踪方法 既然目标跟踪领域有这么多困难，那么我们采用什么样的方法来进行目标 跟踪呢？目标跟踪的方法按照模式划分可以分为 2 类。 生成式模型 - 早期的工作主要集中于生成式模型跟踪算法的研究 , 如光 流法 [23-24] 、粒子滤波 [8] 、Meanshift 算法 [9-10] 、Camshift[11] 算法等 . 此 类方法首先建立目标模型或者提取目标特征 , 在后续帧中进行相似特征搜索