DSST目标跟踪--调整目标尺度

论文全名：Accurate Scale Estimation for Robust Visual Tracking

论文摘自BMVC 2014，由Martin Danelljan（目标跟踪大神）、Gustav Häger、Fahad Shahbaz Khan、Michael Felsberg撰写

摘要

作者提出鲁棒尺度估计：通过基于尺度递增表示来学习相关滤波器。

对于转换和尺度估计（非固定）分别学习了一个滤波器，提高了性能。

1  前言

（1）tracking-by-detection（目标与背景分类问题）：MOSSE（最小化平方误差的输出和）、Struck SVM、CSK（核最小二乘分类）、CT。缺点：对尺度变化序列中表现差。

（2）处理尺度变化：ASLA、SCM。缺点：以低帧速率操作，导致不实时。理想的尺度估算方法应该是稳健的，以便在计算效率的同时进行尺度变化。

作者针对上述问题，提出基于MOSSE相关滤波器的鲁棒尺度估计方法。

贡献：

（1）提出了在尺度金字塔上训练分类器来评估目标尺度的方法。

（2）在找到最佳转换后独立地估计目标尺度。

效果：提高了准确性，帧速率提高了25倍。

测试数据集：OTB2013中标签为“Scale Variation”的28个视频序列 。

2  训练判别滤波器

作者提出的方法是基于MOSSE的，

目的：对第t帧得到最佳相关滤波器。

方法：（与MOSSE处理相同）

（1）取（目标的灰度图像块）作为训练样本，期望输出为（高斯函数【峰值位于中心】），通过最小化误差平方和（第二个等式由Parseval定理得出【经过了离散傅立叶变换】）。

（2）定义第t帧的相关分数（逆傅里叶变换），取最大值即可。

解释：（分子和分母通过对分别加权平均更新得到），大小为M×N，为循环相关操作（小写字母表示时域，大写字母表示频域（傅里叶域））。

3  算法

输入：第t帧图像、第t-1帧目标位置、尺度变化；

输出：第t帧预测的目标位置、尺度变化；

（1）预测目标：

1.通过与，得到第t帧的预测样本；

2.利用与之前帧的与，用【1】计算相关分数；

3.通过得到第t帧的位置；

（2）尺度计算：

4.通过第3步的与，得到第t帧的尺度样本；

5.利用与之前帧的与，用【1】计算相关分数；

6.通过得到第t帧的尺度变化；

（3）模型更新：

7.用第t帧的目标位置、尺度变化，计算样本与；

8.通过【1】计算出与，更新预测目标模型；

9.通过【1】计算出与，更新尺度模型。

【1】多维特征滤波器

与KCF相同，作者将HOG（对低分辨率处理不佳）用于转换滤波器，并将其与通常特征相结合。

具体：利用1维滤波器评估尺度，2维滤波器计算平移，3维滤波器进行目标具体缩放空间定位。

目的：对于d维特征图，找到最佳相关滤波器h（对于初始帧，使用第二节中的方法）

方法：

（1）设f为其目标的一个矩形块（训练样本），包含（），期望输出为g，为对应特征维度的滤波器，λ=0.01控制正则项。最小化损失函数：。对于转换滤波器的评估，作者用目标的特征图f，训练了一个HOG滤波器，

（2）相关分数（逆傅里叶变换），为时域中第t+1帧的最大值的位置。

解释：计算量较大，引入：，其中，，，η=0.0025是学习率。

【2】尺度空间

提出了基于三维的相关滤波器：滤波器大小固定为M×N×S，其中M和N是滤波器的高度和宽度，S是尺度。

（1）计算目标区域的特征金字塔（大小为M×N）

（2）将训练样本f设为特征金字塔的立方体（M×N×S），以目标的估计位置（通过之前帧的目标位置，用【1】的相关分数计算最大值来获得）为中心。

（3）用三维高斯函数作为相应的期望输出g。

（4）用更新尺度空间滤波器。

【3】Fast 尺度空间

通过用于转换和尺度的单独（一维）滤波器进行fast尺度变换。将搜索区域限制为比例空间中较小的部分。设P×R表示当前帧中的目标大小，S是尺度滤波器的大小。

设定尺度：

（1）对于每个，取大小为图像块（以目标中心为中心），a=1.02为特征层之间的比例因子。

（2）对于d维特征描述符，样本f(n)设为，n为尺度值

（3）对f更新缩放滤波器。（在计算后再计算）

（4）与f相同，提取z，用【1】的相关分数计算最大值，获得尺度差异。

【4】细节

1.参数

（1）将期望输出g的标准差设置为预测目标滤波器中目标大小的1/16和尺度滤波器的1.5；

（2）滤波器大小M×N为初始目标的两倍，S = 33；

（3）对任何序列参数值不变。

2.特征

（1）使用PCA-HOG（第六节cell大小为8×8）进行图像表示，其中，cell大小设为1×1。

（2）用图像灰度值进一步增加HOG特征（【2】尺度空间中也用到）。

（3）对于【3】fast 尺度空间，cell大小设为4×4，而对大于512像素的初始目标，设定纵横比尺寸不变（确保最大特征描述符长度为992）

（4）与MOSSE相同。提取的特征都会乘以cos窗。

4  评估

我们首先表明，用HOG功能取代传统的强度值可以显着提高性能。然后，我们将快速尺度估算方法与穷举方法进行比较。最后，我们提供定量和定性比较与最先进的跟踪器。

【1】平台

Matlab， Intel Xenon 2 core 2.66 GHz CPU with 16 GB RAM。

【2】评估方法

（1）CLE（中心位置误差）：GT与估计中心位置的平均欧几里德距离

（2）DP（距离精度）：CLE小于特定阈值的帧数

（3）OP（IOU）：IOU大于阈值t=0.5的百分比

【3】Baseline=MOSSE+HOG（多维特征滤波器）

与MOSSE相比，Baseline的CLE从31.2减少到15.9，DP提高了11.6%，OP提高了6.9％。

【4】Fast尺度评估

可以看出，Fast尺度空间的OP、DP、CLE性能最佳，而且相比尺度空间，计算速度提高了24倍。

【5】算法评估

算法：DSST（ours），CT，TLD，DFT，EDFT，ASLA ，L1APG，CSK， SCM，LOT，Struck和LSHT。

结论：虽然ASLA、SCM、Struck在OP、DP与CLE表现不错，但速度方面却不敌DSST。

5  结论

作者通过学习一种判别相关滤波器，独立地估计平移和缩放，而且可以将该方法放入任何跟踪算法中。