基于快速判別式尺度估計的核相關濾波方法

熊曉璇 王文偉

摘 要：針對核相關濾波（KCF）算法無法對視頻序列中目標尺度變化作出響應的問題，提出一種基于快速判別式多尺度估計的核相關濾波跟蹤算法。首先，使用核相關濾波器來估計目標位置;然后，通過使用一組不同尺度的目標樣本來在線學習快速判別式尺度濾波器;最后，在目標位置應用學習的尺度濾波器來獲得目標尺寸的準確估計。選取Visual Tracker Benchmark視頻序列集進行實驗，并與基于判別式尺度空間跟蹤（DSST）的KCF算法和傳統KCF算法進行對比，結果表明，在目標尺度發生變化時，所提算法在跟蹤精度上提高了2.2%至10.8%;并且在平均幀率上，所提算法比DSST的KCF算法提高了19.1%至68.5%，表明該算法對目標尺度變化有很強的適應能力和較高的實時性。

關鍵詞：目標跟蹤;快速多尺度估計;核相關濾波;跟蹤精度;計算速度

中圖分類號： TP301.6

文獻標志碼：A

Abstract： Focusing on the issue that the Kernelized Correlation Filter （KCF） can not respond to the target scale change， a KCF target tracking algorithm based on fast discriminative scale estimation was proposed. Firstly， the target position was estimated by KCF. Then， a fast discriminative scale filter was learned online by using a set of target samples with different scales. Finally， an accurate estimation of the target size was obtained by applying the learned scale filter at the target position. The experiments were conducted on Visual Tracker Benchmark video sequence sets， and comparison was performed with the KCF algorithm based on Discriminative Scale Space Tracking （DSST） and the traditional KCF algorithm. Experimental results show that the tracking accuracy of the proposed algorithm is 2.2% to 10.8% higher than that of two contrast algorithms when the target scale changes， and the average frame rate of the proposed algorithm is also 19.1% to 68.5% higher than that of KCF algorithm based on DSST. The proposed algorithm has strong adaptability and high real-time performance to target scale change.

Key words： target tracking; fast multi-scale estimation; Kernelized Correlation Filter （KCF）; tracking accuracy; calculation speed

0 引言

隨著計算機處理能力的不斷提高，運動目標跟蹤研究逐漸成為計算機視覺領域的重要研究課題，在武器制導、人機交互、智能監控、醫學診斷、虛擬現實和運動分析等領域都有廣闊的應用前景[1-2]。由于實際應用場景的復雜性和多變性，視頻序列中往往存在目標尺度大小變化、光照條件變化、背景干擾與噪聲等問題;其次，由于跟蹤算法實時性的現實要求，在算法精度不夠時，跟蹤的效率尤其重要，特別是在現在視頻圖像尺寸越來越大的情況下，需要研究如何提高算法的處理效率、提高算法處理的速度以達到實時處理的效果。因此設計出一種快速、準確的跟蹤算法在目標跟蹤研究領域具有極其重要的意義。

目前的目標跟蹤算法基本分為三種，即基于預測、基于匹配和基于檢測的方法。基于預測的方法主要是對未來某個時間點的目標位置狀態進行估計假設，縮小目標位置范圍的查找，將跟蹤問題看成是一個狀態預測問題，利用估計理論對目標下一幀中的位置作出最優估計，以達到對目標預測和跟蹤的目的。常見的預測算法有Kalman濾波、擴展的Kalman濾波及粒子濾波方法等[3]。近幾年新提出的稀疏表示模型也被用于目標跟蹤領域，它的主要思想是通過計算圖像塊的投影來選取出與目標模型的投影誤差最小的樣本并標記為潛在目標，以此來達到目標跟蹤的目的。 基于匹配的方法通常是對目標建立一個完整的表達模型，再從后續幀中尋找到最接近模型的圖像區域并標記為目標的跟蹤位置。這里目標的模型可以通過圖像塊來獲取，也可以是基于目標圖像區域的局部統計特征。常見的匹配算法有Meanshift[4]、Camshift[5]和置信區域等算法，它們都屬于無參估計，作用是可以優化模板和迭代收斂過程，以達到縮小搜索范圍的目的。

基于檢測的方法也稱判別式跟蹤方法，它主要是將目標跟蹤看成特定的目標檢測問題，并運用各種學習算法對數據樣本進行處理，以最優的分類處理的數據作為預測下一幀的目標位置。這里的學習算法主要分為離線和在線兩種，它們主要是通過是否需要預先準備大量樣本對分類器進行訓練來區分。在線學習算法在跟蹤過程中能夠實時獲取訓練數據并更新分類器，因而在目標和背景變化時隨之自適應，從而擁有更好的魯棒性。

最近，基于相關濾波器的目標跟蹤方法顯示出優異的性能，由于其具有計算效率高的優點，因此特別適用于各種實時性的應用。文獻[6]提出了誤差最小平方和濾波器（Minimum Output Sum of Squared Error filter， MOSSE），它采用單通道灰度特征，速度達到669fps（frames per second），滿足實時性的要求。之后，文獻[7]提出了基于檢測的跟蹤循環結構（Circulant Structure of tracking-by-detection with Kernels， CSK），它在MOSSE的基礎上引入了循環矩陣和核技巧，速度達320fps，精度比MOSSE有大幅提升。文獻[8]提出了核相關濾波器（Kernelized Correlation Filter， KCF），它在CSK的基礎上擴展了多通道的梯度方向直方圖（Histogram of Oriented Gradients， HOG）特征，極大地提高了算法的有效性。

然而上述跟蹤算法僅針對目標位置進行估計，在目標尺度變化較大的視頻序列中跟蹤會發生漂移甚至丟失。另外，文獻[9-11]在相關濾波的基礎上引入基于判別式尺度空間跟蹤（Discriminative Scale Space Tracking， DSST）來解決目標尺度變化問題，但計算速度較低，難以保證跟蹤的實時性。本文將快速判別式的尺度空間跟蹤（fast Discriminative Scale Space Tracking，fDSST）[12]加入到KCF跟蹤框架中，使用在一組不同尺度上采樣的目標外觀來在線學習尺度濾波器，以解決目標尺度的變化問題，在保證一定計算速度的前提下提高跟蹤精度，從而改善跟蹤性能。

4 結語

為解決KCF算法在目標尺度發生變化時的跟蹤漂移問題，本文在傳統KCF跟蹤框架的基礎上，加入基于快速判別式的尺度濾波器，提出了一種快速判別式尺度估計的核相關濾波跟蹤算法。該算法在目標尺度發生變化時仍具有較高的跟蹤精度和計算速度，滿足算法的實時性要求。但本文算法對目標的快速形變不具有魯棒性，這是因為本文對目標的特征提取采用的是HOG特征提取，而HOG特征描述的是目標的形狀信息，目標變化太快會導致效果變差。因此，尋找更加優化的特征提取方法將是下一步的研究重點。

參考文獻：

[1] YILMAZ A， JAVED O， SHAH M. Object tracking： a survey [J]. ACM Journal of Computing Surveys， 2006， 38（4）： Article No. 13.

[2] SMEULDERS A W M， CHU D M， CUCCHIARA R， et al. Visual tracking： an experimental survey [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2014， 36（7）： 1442-1468.

[3] ZHAI Y， YEARY M， ZHUOU D. Target tracking using a particle filter based on the projection method [C]// ICASSP 2007： Proceedings of the 2007 IEEE International Conference on Acoustics， Speech and Signal Processing. Piscataway， NJ： IEEE， 2007， 3： 1189-1192.

[4] COMANICIU D， REMESH V， MEER P. Real-time tracking of non-rigid objects using Mean Shift [C]// Proceedings of 2000 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington， DC： IEEE Computer Society， 2000， 2： 142-149.

[5] ALLEN J G， XU R Y D， JIN J S. Object tracking using CamShift algorithm and multiple quantized feature spaces [C]// Proceedings of the 2005 Pan-Sydney Area Workshop on Visual Information Processing. New York： ACM， 2005： 3-7.

[6] BOLME D S， BEVERIDGE J R， DRAPER B A， et al. Visual object tracking using adaptive correlation filters [C]// Proceedings of the 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington， DC： IEEE Computer Society， 2010： 2544-2550.

[7] HENRIQUES J F， CASEIRO R， MARTINS P， et al. Exploiting the circulant structure of tracking-by-detection with kernels [C]// Proceedings of the 2012 European Conference on Computer Vision， LNCS 7575. Berlin： Springer， 2012： 702-715.