曾君懷，宋亞男，徐榮華，黎安民

（廣東工業(yè)大學(xué)，廣東 廣州 510006）

1 算法總體框架設(shè)計(jì)

圖1中跟蹤算法先通過You Only Look Once （YOLO）目標(biāo)檢測(cè)模塊獲得檢測(cè)框，然后檢測(cè)框信息作為兩個(gè)分支的輸入，一個(gè)分支進(jìn)行基于運(yùn)動(dòng)特征的跟蹤，另一個(gè)分支進(jìn)行基于外觀特征的跟蹤。兩個(gè)分支最終獲得的數(shù)據(jù)分別用trks1和trks2表示，trks（1/2）數(shù)據(jù)格式包含視頻中跟蹤目標(biāo)ID和位置信息，最后將以上兩類信息通過驗(yàn)證模塊進(jìn)行篩選利用?；谕庥^特征的跟蹤是在每一幀視頻中對(duì)跟蹤目標(biāo)進(jìn)行全局搜索，當(dāng)目標(biāo)消失再重現(xiàn)時(shí)，算法是能夠重新檢測(cè)出目標(biāo)的，符合長時(shí)跟蹤的需求。

圖1 長時(shí)跟蹤算法框架

1.1 基于運(yùn)動(dòng)特征跟蹤模塊

基于運(yùn)動(dòng)特征跟蹤模塊借鑒了SORT 跟蹤算法原理，包含卡爾曼濾波（Kalman）和匈牙利算法兩部分。卡爾曼濾波進(jìn)行運(yùn)動(dòng)估計(jì)，針對(duì)當(dāng)前幀得到的某一目標(biāo)跟蹤框位置與大小預(yù)估下一幀該目標(biāo)預(yù)測(cè)框的信息，匈牙利算法則進(jìn)行數(shù)據(jù)關(guān)聯(lián)。SORT跟蹤算法在某一幀的實(shí)現(xiàn)可由圖2表示。

圖2 SORT跟蹤算法在第i幀的實(shí)現(xiàn)

圖2表示ID為1，2的兩個(gè)目標(biāo)在第i幀跟蹤的實(shí)現(xiàn)過程。實(shí)線表示第i幀的預(yù)測(cè)框，該預(yù)測(cè)框是由i-1幀圖像中同一目標(biāo)跟蹤框通過Kalman濾波預(yù)測(cè)出來的；虛線框表示檢測(cè)框，該檢測(cè)框內(nèi)目標(biāo)身份未知，是由YOLO算法得到的。接著運(yùn)用匈牙利算法，通過判斷Intersection Over Union（IOU）大小進(jìn)行預(yù)測(cè)框和檢測(cè)框之間的兩兩匹配，從而使檢測(cè)框獲得目標(biāo)身份，完成當(dāng)前幀的跟蹤。

1.2 基于外觀特征跟蹤模塊

由圖3可知，該模塊主要是利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行特征提取，然后利用相似性度量函數(shù)比較跟蹤模板特征與檢測(cè)框內(nèi)目標(biāo)特征之間的相似性，以此判斷檢測(cè)框內(nèi)目標(biāo)與模板是否屬于同一對(duì)象。

圖3 基于外觀特征目標(biāo)匹配原理

1.3 驗(yàn)證模塊

如圖4所示，驗(yàn)證模塊分情況利用運(yùn)動(dòng)特征或外觀特征得到的結(jié)果進(jìn)行跟蹤，主要分為3種情況。

圖4 驗(yàn)證模塊

前兩種情況是當(dāng)某一目標(biāo)ID只存在運(yùn)動(dòng)特征得到的跟蹤結(jié)果或者只存在外觀特征得到的跟蹤結(jié)果時(shí)則直接輸出該結(jié)果。這兩種情況形成互補(bǔ)，相對(duì)于只運(yùn)用外觀特征的跟蹤算法，跟蹤變得更加流暢。

第三種情況是基于運(yùn)動(dòng)特征得到的結(jié)果和基于外觀特征得到的結(jié)果，都存在某一目標(biāo)ID但是位置信息不一致。這時(shí)本文采取的方法是，需要先判斷是否連續(xù)5幀出現(xiàn)不一致，若是，則刪除錯(cuò)誤的跟蹤框并采用trks2中的信息進(jìn)行跟蹤；若否，使用trks1中的信息。

圖5是第三種情況發(fā)生時(shí)的一個(gè)情景序列圖，每兩幅圖像之間隔著數(shù)幀。兩個(gè)目標(biāo)交錯(cuò)運(yùn)行時(shí)，基于運(yùn)動(dòng)特征的跟蹤在多幀之后發(fā)生跟錯(cuò)現(xiàn)象，而基于外觀特征卻能正常跟蹤。這里出現(xiàn)了上述的連續(xù)5幀trks1和trks2不一致情況，這時(shí)需要矯正這個(gè)錯(cuò)誤，則需刪除錯(cuò)誤的trks1中的跟蹤框并用外觀特征進(jìn)行重新識(shí)別跟蹤，即利用trks2中的信息。而對(duì)于上述未達(dá)到連續(xù)5幀的情況，本文認(rèn)為該情況產(chǎn)生的原因是目標(biāo)在被遮擋情況下，基于外觀特征進(jìn)行跟蹤時(shí)容易出現(xiàn)部分幀跟錯(cuò)的現(xiàn)象，如圖5（a），（b）中的第二幅圖所示，圖5（a）利用運(yùn)動(dòng)特征在部分遮擋情況下能繼續(xù)對(duì)目標(biāo)進(jìn)行跟蹤，而圖5（b）利用外觀特征在同樣情況下已經(jīng)跟蹤失敗，若周圍存在相似行人，則會(huì)出現(xiàn)跟錯(cuò)現(xiàn)象。針對(duì)這種因遮擋產(chǎn)生部分幀跟錯(cuò)的現(xiàn)象，本文采用方式就是在不滿足連續(xù)5幀trks1和trks2信息不一致情況下，運(yùn)用trks1信息進(jìn)行跟蹤，即運(yùn)用運(yùn)動(dòng)信息，這樣在遮擋短期時(shí)間內(nèi)跟蹤會(huì)顯得比較流暢。

圖5 第三種情況情景序列

2 實(shí)驗(yàn)

2.1 數(shù)據(jù)集

實(shí)驗(yàn)從長時(shí)跟蹤數(shù)據(jù)集VOT 2019_LT 和洛桑聯(lián)邦理工學(xué)院提供的多攝像頭行人視頻數(shù)據(jù)集中篩選出3個(gè)具有挑戰(zhàn)性的視頻，如表1所示，其中前兩個(gè)視頻屬于VOT2019_LT數(shù)據(jù)集，第三個(gè)屬于多攝像頭行人視頻數(shù)據(jù)集。實(shí)驗(yàn)中將本文設(shè)計(jì)的算法與GlobalTrack ，SPLT 兩種跟蹤算法進(jìn)行實(shí)驗(yàn)對(duì)比。以上兩種算法都屬于2019年提出的長時(shí)跟蹤算法。論文中兩種算法都在公開數(shù)據(jù)集下與其他跟蹤算法進(jìn)行了對(duì)比實(shí)驗(yàn)，都取得較好的成績。

表1 視頻序列及相關(guān)說明

2.2 評(píng)估指標(biāo)

主要從速度和精度兩方面對(duì)算法做評(píng)估，因此實(shí)驗(yàn)選用了Frames Per Second（FPS）和Accuracy兩種指標(biāo)，F(xiàn)PS評(píng)估算法速度的好壞，數(shù)值越大，代表速度越快，跟蹤算法對(duì)于實(shí)時(shí)性要求較高。Accuracy衡量的是跟蹤算法的準(zhǔn)確度，它計(jì)算每一幀跟蹤框與人工標(biāo)注框（ground truth）之間的IOU，然后獲取視頻所有幀IOU的平均值就是Accuracy。

2.3 實(shí)驗(yàn)結(jié)果

從表2可以看出，在Skiing和Rollerman兩個(gè)視頻中跟蹤準(zhǔn)確率方面取得了相似成績，而在EPFL_laboratory視頻中，本文算法準(zhǔn)確率方面處于明顯優(yōu)勢(shì)；在速度方面，本文算法相比其他兩種算法也取得較好的效果。

表2 實(shí)驗(yàn)結(jié)果

3 結(jié)語

通過實(shí)驗(yàn)比較，本文多特征結(jié)合的長時(shí)跟蹤算法在處理復(fù)雜背景、頻繁被遮擋這一因素挑戰(zhàn)下，算法優(yōu)勢(shì)較為明顯，速度方面也比較接近跟蹤算法實(shí)時(shí)性要求（實(shí)時(shí)性要求30FPS）。