正反向误差跟踪失败自动检测(tld论文翻译).doc

正反向误差跟踪失败自动检测(TLD论文翻译)
正反向误差:跟踪失败自动检测
摘要:本篇论文提出了一种新的跟踪失败检测方法。该检测算法基于正反向误差,也就是说,跟踪是实时的前后方向并且在这两条轨迹之间的差异是可以测量的。我们论证了以上所说的正反向误差能够确定跟踪失败的可靠性检测,并且在视频流只能够选择可靠的轨迹。我们还验证了该方法是对常用的归一化互相关算法(NCC)的补充。基于该误差,我们突出了一种名为中值流的新的目标跟踪算法。在运用标准视频序列(包含柔性目标)实验时,该方法实现了非常好的表现。 1简介
点跟踪是计算视觉任务中非常普通的一个:给出一个点在t时刻的位置,目标就是估计它在t+1时刻的位置。在实际中,跟踪面临的一个问题就是目标突然改变外形或者突然从视场中消失。在这种情况下,跟踪算法就会失败。我们研究了跟踪失败的检测问题,然后提出了一种新的方法,该方法能够使任意一种跟踪器能够自己评估自身的可靠性。
这种方法是基于所谓的正反向一致性假设(正确的跟踪与时间流的方向无关),体现在算法上,该假设是按照如下方式运用的:首先,一个跟踪器按照时间往前走的方向通过跟踪一个点生成一条轨迹。第二,在最后一帧图像中点的位置初始化一条确认轨迹。这个确认的轨迹是通过从最后一帧到第一帧的反向跟踪获取的。第三,比较这两条轨迹,如果差异很大,就认为正向轨迹是不正确的。图1描述了当在两张图片(基本轨迹)中跟踪一个点时,这种方法的运用。第一个点在两张图片中都是可见的,并且
跟踪器能对该点进行正确定位,按照正反向跟踪这个点能够生成相同的轨迹。另一方面,第二个点在右边的图像中是不可见的,然而跟踪器定位了另外一个点当作点2,从该点进行反向跟踪,在一个不同于原先的初始位置结束了,很容易确认出两条轨迹不一致,在实验的时候,这种情况极有可能是跟踪失败了。
图1正反向误差惩罚(不利于)不一致的轨迹。点1
在两幅图像中都是可见的,跟踪器
在正反向上表现一致,点2在第二幅图中被遮挡了,正反向轨迹不一致
检测跟踪失败的一个常用方法是用跟踪点周围的图像块?来描述这个跟踪点,我们用t和t+1时刻相对应的图像块?的差值平方和(SSD,sum-of-square differences)[3,9]来比较这两个图像块,这种误差能够检测出由于遮挡和目标的迅速移动造成的跟踪失败,但是不能检测出轨迹的缓慢的漂移。可以通过定义一个绝对误差来检测漂移,比如比较当前帧的图像块和初始图像的各种仿射变换(该种误差为绝对误差)[11],但这种方法只适用于平面目标。最近,提出了一种比较普通的估计跟踪性能的方法[13],该方法基于的思想和本文中提出的思想相似,这种方法利用静态测量模型为粒子滤波器设计的。但是我们并不建议将该方法使用到点跟踪上。
该论文的剩余部分是按照如下方式组织的:第二部分构造了一个新的误差衡量方法,叫做正反向误差并且在第三部分将该方法与SSD方法进行数量上的比较。在第四部分,将该方法用于特征点选择。第五部分提出了中值流跟踪器,利用标准视频序列检测该跟踪器时,体现了非常优越的性
能。该论文做了总结及展望了工作。
2、正反向误差
该部分定义了特征点轨迹的正反向(FB)误差,具体看图1的说明。
S?(It,It?1,...,It?k)为图像序列,xt是一个点在t时刻的