馬媛媛，楊小軍

(長安大學(xué) 信息工程學(xué)院，陜西 西安 710064)

0 引 言

計(jì)算機(jī)視覺[1-3]已經(jīng)研究了幾十年，目標(biāo)跟蹤問題通常是在目標(biāo)運(yùn)動(dòng)時(shí)估計(jì)目標(biāo)在圖像平面上的軌跡問題。雖然在文獻(xiàn)中已經(jīng)對建立魯棒跟蹤框架做了大量的努力，但當(dāng)目標(biāo)出現(xiàn)外觀突變或遮擋時(shí)，跟蹤器往往會(huì)受到影響從而導(dǎo)致跟蹤目標(biāo)失敗。

近年來，基于判別式的相關(guān)濾波器被證明能夠在跟蹤速度上有顯著提高且能精準(zhǔn)跟蹤目標(biāo)，因此得到了廣泛應(yīng)用。為了跟蹤，一個(gè)相關(guān)過濾器通過計(jì)算每個(gè)學(xué)習(xí)模板(或過濾器)相對于測試圖像樣本的點(diǎn)積來評估相似度。利用卷積定理可以加快相關(guān)濾波器的計(jì)算速度，它表明空間域的卷積可以計(jì)算為頻域傅里葉變換的元素乘。雖然CSK[4]和KCF[5]方法在準(zhǔn)確性和魯棒性方面都達(dá)到了最優(yōu)，但這些基于相關(guān)濾波器的跟蹤器并不處理尺度變化。為了處理目標(biāo)對象的尺度變化，Danelljan等人[6]提出了一種新的DSST跟蹤器，通過分別學(xué)習(xí)平移和尺度估計(jì)的相關(guān)濾波器，提出一種新的尺度自適應(yīng)方法來精確估計(jì)目標(biāo)的大小。盡管DSST跟蹤器在學(xué)習(xí)基于判別相關(guān)濾波器的魯棒尺度估計(jì)方面表現(xiàn)良好，但在金字塔尺度表示中，它不能很好地處理局部遮擋和完全遮擋。

另一方面，粒子濾波[7-8]可用于處理大尺度變化和局部遮擋。通過增加粒子數(shù)來提高跟蹤性能。但是，由于計(jì)算量的增加，跟蹤效率會(huì)降低。將外觀自適應(yīng)模型[9]集成到粒子濾波框架中，其中粒子數(shù)取決于噪聲方差。與之前的方法不同，粒子濾波框架的主要區(qū)別在于觀測模型，在觀測模型中采用相關(guān)濾波器來減少粒子的數(shù)量。

然而，由于粒子濾波采樣過程計(jì)算量大，其實(shí)時(shí)應(yīng)用受到限制。針對以上問題，該文提出了一種新的目標(biāo)跟蹤算法，用尺度相關(guān)濾波器來訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)特征，通過對所獲得的置信圖進(jìn)行加權(quán)融合，以得出目標(biāo)的位置。該算法有效克服了上述問題，具有較強(qiáng)的魯棒性。

1 粒子濾波器

提出的粒子濾波框架是基于貝葉斯順序的重要性抽樣技術(shù)，該方法利用有限的加權(quán)樣本集遞歸逼近后驗(yàn)分布，以估計(jì)動(dòng)態(tài)系統(tǒng)的狀態(tài)變量的后驗(yàn)分布。對象在時(shí)刻t狀態(tài)變量的參數(shù)為st，yt。st表示目標(biāo)狀態(tài)變量，yt表示觀測變量。因此，視頻跟蹤可以建模為這樣一個(gè)問題：

st=p(st|y1:t-1)=

(1)

當(dāng)一個(gè)新的觀測變量產(chǎn)生時(shí)，用貝葉斯定理更新目標(biāo)狀態(tài)：

(2)

(3)

(4)

2 尺度相關(guān)粒子濾波器

2.1 尺度相關(guān)濾波器

KCF跟蹤[5]的基本思想是在探索循環(huán)矩陣結(jié)構(gòu)的同時(shí)，利用大量的負(fù)樣本來增強(qiáng)檢測器跟蹤的鑒別能力，以獲得高效率。KCF跟蹤器使用在P×Q像素的圖像x上訓(xùn)練的相關(guān)濾波器w來建模目標(biāo)對象的外觀，所有的循環(huán)移位Xp,q，生成高斯函數(shù)標(biāo)簽rp,q的訓(xùn)練樣本。目的是找到最優(yōu)權(quán)重w。

(5)

(6)

F,F-1分別表示傅里葉變換及其反變換，其中r={r(p,q)}。給定學(xué)習(xí)的α和目標(biāo)外觀模型x，通過計(jì)算響應(yīng)映射，在新的一幀中進(jìn)行任務(wù)跟蹤。

通過使用基于KCF跟蹤提出的區(qū)分尺度空間的跟蹤器，計(jì)算圖像位置尺度維度的分?jǐn)?shù)。設(shè)S為尺度濾波器的大小，提取一個(gè)以P×R像素目標(biāo)中心的圖像補(bǔ)丁In，將訓(xùn)練樣本ft,scale在規(guī)模水平n下的值ft,scale(n)設(shè)為In的d維特征描述符，然后構(gòu)建尺度樣本ft,scale，去訓(xùn)練一個(gè)尺度濾波器ht,scale。

(7)

為了估計(jì)目標(biāo)的平移量，采用標(biāo)準(zhǔn)平移濾波器。通常情況下，兩幀之間的目標(biāo)尺度差相對于平移的差異較小。因此對給定的新的一幀，首先應(yīng)用平移過濾器ht,trans，然后用尺度濾波器ht,scale估計(jì)目標(biāo)新位置，用提取訓(xùn)練樣本的方法在該位置提取一個(gè)尺度訓(xùn)練樣本zt,scale，通過在傅里葉域計(jì)算最大尺度相關(guān)性得分，得到最終的尺度估計(jì)結(jié)果來估計(jì)當(dāng)前目標(biāo)狀態(tài)。

(8)

其中，A,B是前一幀中更新的濾波器的分子和分母。

最后，利用下式對尺度濾波器進(jìn)行更新，用新樣本進(jìn)行尺度變換。在這種情況下，使用一維高斯函數(shù)作為期望的相關(guān)輸出。

(9)

(10)

其中，η為尺度濾波器模型更新的學(xué)習(xí)率，t為第t個(gè)圖像塊。

2.2 尺度相關(guān)粒子濾波器

通過尺度相關(guān)濾波器，利用粒子的循環(huán)位移信息，將粒子引導(dǎo)到目標(biāo)物體的局部模式。為了簡單起見，定義尺度相關(guān)濾波算子，對于狀態(tài)：ScfRd→Rd。

(11)

(12)

使用加權(quán)權(quán)重，在時(shí)刻t目標(biāo)對象的最佳狀態(tài)估計(jì)為：

(13)

3 基于多層深度特征的尺度相關(guān)粒子濾波

3.1 目標(biāo)特征的提取

當(dāng)出現(xiàn)嚴(yán)重的遮擋或物體外觀變異時(shí)，基于像素的淺層特征不能很好地處理。故采用已經(jīng)訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)特征(deep convolutional neural network feature，CNN deep feature)[10-11]對目標(biāo)的外觀進(jìn)行編碼，這樣特征既能有很好的層表達(dá)，又能保留準(zhǔn)確的空間信息。由CNN層數(shù)與語義信息和空間細(xì)節(jié)的關(guān)系可以看出，在靠前的層中，更容易確定圖像的一些定位信息，但是圖像的語義信息并不豐富；而在靠后的層中，圖像的語義信息更容易確定，空間信息則不易于獲取。因此可以得出低層特征具有更多的空間信息，對目標(biāo)能夠進(jìn)行更為精準(zhǔn)的定位，而高層特征則具有較多的語義信息，能夠更好地處理目標(biāo)劇烈變化以及防止跟蹤器漂移，可以對目標(biāo)進(jìn)行范圍定位。

采用CNN提取目標(biāo)特征，不僅保留其最后一層輸出結(jié)果，同時(shí)中間層的輸出也保留下來，具體保留的是3、4、5三個(gè)層。

在以目標(biāo)為中心的幀中裁剪出搜索窗口，用CNN獲取搜索的窗口特征。但在CNN中，由于池操作的存在，使得隨著層深度的增加，特征的空間分辨率會(huì)逐漸減小。需要用余弦窗對每一層提取的特征通道進(jìn)行加權(quán)，對特征進(jìn)行升采樣之后才能夠提取特征。

(14)

其中，xi表示升采樣后的特征圖，hk表示升采樣前的特征圖，i表示位置，k表示k領(lǐng)域的特征向量，α表示插值的權(quán)值。

在此過程用到CNN的3、4、5層，每一層的輸出特征為x(大小為M×N×D)，將M維和N維上的所有循環(huán)移位作為訓(xùn)練樣本，每一個(gè)移位樣本x(m,n)，都有一個(gè)高斯函數(shù)標(biāo)簽，然后可以通過公式(8)學(xué)習(xí)到跟x同樣尺寸的尺度相關(guān)濾波器。

空間域的卷積對應(yīng)于傅里葉域中的逐元素乘法，所以卷積層的濾波器頻域表示可以寫作公式(15)，Y是高斯標(biāo)簽的頻域表示。這樣使得目標(biāo)函數(shù)最小化。

(15)

(16)

3.2 跟蹤以及模板更新

文中算法是在粒子濾波和相關(guān)濾波的基礎(chǔ)上提出的。首先，使用粒子濾波器的概率系統(tǒng)轉(zhuǎn)移模型繪制樣本并重新采樣，然后使尺度相關(guān)濾波器應(yīng)用于每個(gè)粒子，計(jì)算每個(gè)樣本三層CNN特征的響應(yīng)圖進(jìn)行融合，利用尺度相關(guān)濾波器的響應(yīng)更新權(quán)重。最后，根據(jù)這些響應(yīng)圖計(jì)算加權(quán)平均得到目標(biāo)的位置。

F(αk)t=(1-η)F(αk)t-1+ηF(αk)

(17)

(18)

其中，η是學(xué)習(xí)速率參數(shù)。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)環(huán)境及參數(shù)

實(shí)驗(yàn)運(yùn)行平臺(tái)為MATLAB R2016b，所有實(shí)驗(yàn)均在Inter Core i7 CPU，主頻2.00 GHz，8 GB內(nèi)存的電腦上完成。實(shí)驗(yàn)對所有視頻序列采用一致參數(shù)：正則化參數(shù)設(shè)置為λ=0.01，尺度金字塔取33層。另外，通過增加粒子數(shù)可以提高性能，但運(yùn)行時(shí)性能會(huì)受到影響。設(shè)置合理的粒子數(shù)為6，這樣可以有效地權(quán)衡跟蹤器的準(zhǔn)確性和效率。

4.2 數(shù)據(jù)和評估方法

選取標(biāo)準(zhǔn)測試數(shù)據(jù)集OTB100[12]中的視頻序列進(jìn)行實(shí)驗(yàn)，視頻序列為Biker、Bird1、Bird2、Blurbody、BlurCar1、BlurCar2、BlurCar3、Box、Car1、ClifBar，這些視頻序列包含目標(biāo)變化中的各類顏色以及運(yùn)動(dòng)挑戰(zhàn)，如運(yùn)動(dòng)模糊、尺度變化、快速運(yùn)動(dòng)和旋轉(zhuǎn)、遮擋等。

為了評估這些跟蹤器，在測試序列中從第一幀的基礎(chǔ)真值位置初始化它們，并采用距離精度(distance precision，DP)、成功率(success rate，SR)作為評價(jià)指標(biāo)[13]。其中距離精度(DP)表示中心位置誤差(CLE)小于或者等于閾值像素T0的幀數(shù)(一般選取閾值為20像素)占視頻總幀數(shù)的百分比。中心位置誤差(CLE)如下，表示預(yù)估目標(biāo)與實(shí)際目標(biāo)中心的歐氏距離。

DP=lDP(CLE≤T0)/l

(19)

其中，lDP表示中心位置誤差小于或者等于閾值的幀數(shù)，l是當(dāng)前視頻的總幀數(shù)。而成功率(SR)表示跟蹤所得的目標(biāo)區(qū)域MT和目標(biāo)真實(shí)區(qū)域MG所得的重疊率大于等于閾值T1(一般設(shè)為0.5)，表示跟蹤成功。通常用成功率圖曲線下方的面積(AUC)去評估是否跟蹤成功。

(20)

4.3 定量分析

將該文提出的算法與其他較為優(yōu)越的算法進(jìn)行比較。比較的算法有CSK[4]、KCF[5]、DCF[14]、fDSST[6]和SRDCF[15]。提出的算法由于使用多層深度特征的尺度相關(guān)粒子濾波器，因此在面對各種運(yùn)動(dòng)挑戰(zhàn)時(shí)，更具魯棒性。在不同的視頻幀中，提出的算法都取得了較好的結(jié)果。跟蹤結(jié)果精確度和成功率如圖1所示。

圖1 算法精確度、成功率

為了進(jìn)一步驗(yàn)證提出的算法在跟蹤過程中的魯棒性，圖2給出了該算法與其他算法在旋轉(zhuǎn)、尺度變化、遮擋等各種干擾因素下的算法精確度與成功率的對比。

(b)尺度變化

(c)遮擋

(d)形變

從圖2得出，提出的算法基于粒子濾波框架，對每一個(gè)模擬目標(biāo)的狀態(tài)分布的粒子，提取CNN特征，并用尺度相關(guān)濾波器來訓(xùn)練特征，對所得置信圖進(jìn)行加權(quán)計(jì)算，最后得出目標(biāo)的位置。因此該算法能夠在大多數(shù)干擾因素下取得較好的跟蹤效果。

4.4 定性分析

為了體現(xiàn)提出的算法的跟蹤性能，在標(biāo)準(zhǔn)測試數(shù)據(jù)集上選取了一些視頻序列進(jìn)行測試，對不同算法的跟蹤結(jié)果進(jìn)行對比，如圖3所示。

(a)Bird2_1

(b)Biker_1

(c)BlurBody_1

(d)Bird1_1

圖3 算法在不同視頻下的跟蹤結(jié)果

綜合上述實(shí)驗(yàn)的對比結(jié)果，可知文中算法對目標(biāo)在快速運(yùn)動(dòng)以及尺度變化和遮擋旋轉(zhuǎn)方面更為優(yōu)越。從圖3中可以看出，在Bird2_1視頻序列中，由于目標(biāo)存在快速運(yùn)動(dòng)以及尺度的變化，對算法跟蹤產(chǎn)生干擾，由99幀可以看出，文中算法較其他算法能夠準(zhǔn)確地跟蹤目標(biāo)。在Birker_1序列中，文中算法由于使用基于貝葉斯順序重要性抽樣技術(shù)的粒子濾波框架，能夠更好地跟蹤目標(biāo)。在BlurBody_1視頻序列中，存在運(yùn)動(dòng)模糊的干擾，但文中算法依然精確地跟蹤到目標(biāo)。在Bird1_1視頻序列中第64幀目標(biāo)在快速運(yùn)動(dòng)時(shí)被跟丟，但文中算法卻由于跟蹤精度較高，仍能有效地跟蹤到目標(biāo)，具有較好的魯棒性，同時(shí)也說明，文中算法在處理快速運(yùn)動(dòng)時(shí)更為優(yōu)越。

5 結(jié)束語

該文提出了一種基于多層深度特征的尺度相關(guān)粒子濾波方法?；诹Ｗ訛V波框架，對每一個(gè)模擬目標(biāo)的狀態(tài)分布的粒子，提取CNN特征，用尺度相關(guān)濾波器來訓(xùn)練特征，對每一層作置信度評分之后由粗到精地對所獲得的三個(gè)置信圖融合得到訓(xùn)練特征之后的響應(yīng)圖，最后根據(jù)這些響應(yīng)圖計(jì)算加權(quán)平均，確定目標(biāo)的位置。該算法可以解決部分或者全部遮擋的問題，在準(zhǔn)確性以及魯棒性方面有較好的提高。在選定的視頻序列上的對比結(jié)果表明，該算法得益于新的尺度相關(guān)粒子濾波器模式，優(yōu)于相關(guān)的一些算法。