楊海清， 林小明

(浙江工業(yè)大學(xué) 信息工程學(xué)院，浙江 杭州 310023)

0 引 言

目標(biāo)跟蹤是計(jì)算機(jī)視覺的基本問題之一，具有許多實(shí)際應(yīng)用的場(chǎng)景，例如視頻監(jiān)控，人機(jī)交互等。由于形變、光照變化、尺度變化和快速運(yùn)動(dòng)等復(fù)雜因素的存在，此問題仍具有挑戰(zhàn)性。

近幾年，基于相關(guān)濾波的方法在準(zhǔn)確性和魯棒性方面已顯示出持續(xù)的性能改進(jìn)。Bolme D S等人[1]提出最小輸出均方誤差(minimum output mean square error,MOMSE)跟蹤器,該跟蹤器與當(dāng)時(shí)的主流跟蹤器相比，在性能方面取得了極大的領(lǐng)先，同時(shí)，跟蹤速度也達(dá)到了幾百幀每秒。Henriques J F等人[2]在MOMSE的基礎(chǔ)上引入了循環(huán)結(jié)構(gòu)和核(cyclic structure and kernel,CSK)技巧來訓(xùn)練濾波器,因?yàn)閮H使用單通道的灰度特征，對(duì)于快速運(yùn)動(dòng)和顏色變化的目標(biāo)跟蹤效果很差。Henriques J F等人[3]在CSK的基礎(chǔ)上使用目標(biāo)特征的循環(huán)移位和循環(huán)矩陣在傅里葉域中的對(duì)角化性質(zhì)獲得嶺回歸封閉解，極大提高了跟蹤速度，但僅使用單一HOG特征，在一些復(fù)雜場(chǎng)景下，該跟蹤效果仍然很差。Danelljan M等人[4]使用位置濾波器和尺度濾波器對(duì)目標(biāo)進(jìn)行位置和尺度估計(jì)。Li Y等人[5]利用多個(gè)特征的尺度采樣來自適應(yīng)的估計(jì)目標(biāo)尺度。Danelljan M等人[6]在判別相關(guān)濾波器的基礎(chǔ)上引入空間正則化來減輕邊界效應(yīng)，進(jìn)一步提高跟蹤的準(zhǔn)確性。上述所提到的方法僅僅使用手工特征，不能很好地表征目標(biāo)的外觀模型。同時(shí)，上述方法對(duì)于每一幀均更新濾波器，當(dāng)目標(biāo)被遮擋時(shí)，容易使模板發(fā)生漂移。

本文利用深度特征[7](Conv5—4,Conv5—5)包含的語義信息結(jié)合手工特征的(HOG,CN,Gray)紋理信息的方式，分別訓(xùn)練相關(guān)濾波器，根據(jù)可靠性系數(shù)進(jìn)行響應(yīng)圖自適應(yīng)通道可靠性加權(quán)融合。同時(shí)通過判斷主旁瓣比(PSR)和響應(yīng)圖的有效局部最大數(shù)量(NELM)是否滿足給定的閾值，從而對(duì)模型進(jìn)行自適應(yīng)更新。

1 相關(guān)知識(shí)

一般性的相關(guān)濾波跟蹤器在跟蹤目標(biāo)的過程中分為訓(xùn)練、檢測(cè)和更新模型三個(gè)階段。

訓(xùn)練階段：在初始幀中，提取以目標(biāo)位置為中心，大小為M×N的圖像塊來訓(xùn)練相關(guān)濾波器，并通過循環(huán)移位得到訓(xùn)練樣本x(m,n)∈{0,1,…，M-1}×{0,1,…，N-1}。通過求解嶺回歸的最小封閉解問題得到最優(yōu)濾波器w

(1)

式中λ為正則化參數(shù)，X為所有訓(xùn)練樣本所組成的樣本矩陣，y為訓(xùn)練樣本X的期望輸出。將式(1)轉(zhuǎn)換到頻域內(nèi)求解得到第d(d∈{1,…,D})維通道的濾波器

(2)

式中 ⊙為元素點(diǎn)積，大寫字母為傅里葉變換(例如:X=F(x))，X*為X的復(fù)共軛。

檢測(cè)階段：濾波器訓(xùn)練完成后，對(duì)于新讀入的視頻幀，在新的視頻幀中截取以上一幀中目標(biāo)位置為中心，大小為M×N的圖像塊Z來進(jìn)行檢測(cè)，響應(yīng)圖的計(jì)算公式為

(3)

響應(yīng)圖的最大值處即為新視頻幀中目標(biāo)所在位置。跟蹤過程中，為了抑制邊界的影響，采用漢明窗進(jìn)行處理。

模型更新階段：在目標(biāo)跟蹤過程中，目標(biāo)的外觀不可能保持一成不變，因此，為了能夠跟蹤上目標(biāo)，對(duì)濾波器模板的分子和分母同時(shí)進(jìn)行更新，更新方式為

(4)

式中θ為學(xué)習(xí)率，t為當(dāng)前幀。

2 方 法

2.1 算法流程

圖1為所提方法的整體流程。首先，提取輸入圖像的手工特征(HOG，CN，Gray)，使用VGG—19網(wǎng)絡(luò)進(jìn)行深度特征提取，分別提取Conv4—4層和Conv5—4層的深度特征，獨(dú)立訓(xùn)練每種通道特征的相關(guān)濾波器，得到對(duì)應(yīng)通道特征的相關(guān)響應(yīng)圖。接著，計(jì)算每個(gè)通道可靠性系數(shù)H，通過自適應(yīng)通道可靠性加權(quán)融合得到最終的響應(yīng)圖。最后，當(dāng)目標(biāo)被遮擋時(shí)，為了避免濾波器學(xué)習(xí)到背景信息，從而導(dǎo)致目標(biāo)跟蹤失敗，只有NELM和PSR指標(biāo)滿足給定的閾值時(shí)，才能對(duì)模型進(jìn)行更新。

圖1 算法流程框圖

2.2 通道可靠性評(píng)估和自適應(yīng)響應(yīng)融合

通道可靠性反映了每一種通道特征在目標(biāo)定位階段中的重要性，它由通道學(xué)習(xí)可靠性和通道檢測(cè)可靠性組成。通道可靠性的公式定義為

(5)

(6)

其中，Wd由式(2)計(jì)算得到，Xd為第d維通道特征。

(7)

在跟蹤目標(biāo)的過程中，目標(biāo)的外觀模型會(huì)發(fā)生變化，因此，需要對(duì)通道可靠性系數(shù)進(jìn)行更新,公式為

Ht=(1-θ)Ht-1+θH

(8)

式中Ht-1為前一幀的通道可靠性，θ為學(xué)習(xí)率。

最后，進(jìn)行自適應(yīng)響應(yīng)圖融合，得到最終的響應(yīng)圖R。根據(jù)式(5)計(jì)算每個(gè)通道特征的可靠性加權(quán)因子

R=H1·RHOG+CN+Gray+H2·RCONV4-4+H3·RCONV5-4

(9)

其中，H1+H2+H3=1。

2.3 遮擋檢測(cè)模型更新策略

在最小化輸出均方誤差[8]濾波器(MOSSE)中，PSR用于描述響應(yīng)圖的狀態(tài)以檢測(cè)跟蹤是否失敗，PSR被定義為

(10)

式中g(shù)max為峰值，μ為旁瓣的平均值，σ為旁瓣的標(biāo)準(zhǔn)偏差。

然而，當(dāng)目標(biāo)快速移動(dòng)或者處于低分辨率狀態(tài)下時(shí)，PSR不能精確反映出目標(biāo)是否被遮擋，因此，引入響應(yīng)圖有效局部最大數(shù)量(NELM)來進(jìn)行遮擋檢測(cè)。

(11)

因?yàn)槟繕?biāo)在兩幀之間的運(yùn)動(dòng)應(yīng)該是平穩(wěn)的，因此，從視頻序列的第二幀獲得的響應(yīng)圖中，除(目標(biāo)位置)以外的局部最大值被視為閾值β

β=max(Ti)

(12)

在后續(xù)幀的響應(yīng)圖中，Ti如果大于閾值β，則Ri被記錄為有效局部最大值。NELM表示為

NELM=Crad{Ti|Ti>β}

(13)

式中 Crad為集合中元素的數(shù)量。如果有效局部最大響應(yīng)值存在(如，NELM大于1，PSR小于給定的閾值τ。)，則說明目標(biāo)被遮擋，不更新模型。如果沒有局部最大響應(yīng)值存在(即NELM=0)，不管PSR是高于給定的閾值還是低于給定的閾值，則按(4)式更新模型。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

本次實(shí)驗(yàn)在Intel Core i5—8300CPU、主頻2.30 GHz、運(yùn)行內(nèi)存8 GB的筆記本電腦上運(yùn)行，使用的仿真軟件為MATLAB2016a。本文算法參數(shù)設(shè)置：相關(guān)濾波學(xué)習(xí)率θ=0.01，正則化參數(shù)λ=10-4，閾值τ=7.0。

3.2 定量評(píng)估

為了驗(yàn)證本文所提算法的有效性，從0TB—100數(shù)據(jù)集上選取30個(gè)具有挑戰(zhàn)性的視頻序列進(jìn)行驗(yàn)證，這些視頻序列中包含目標(biāo)跟蹤中的常見挑戰(zhàn)，包括光照變化、尺度變化、遮擋、快速運(yùn)動(dòng)、運(yùn)動(dòng)模糊、平面內(nèi)旋轉(zhuǎn)、平面外旋轉(zhuǎn)等挑戰(zhàn)因素。本次實(shí)驗(yàn)使用一次性評(píng)估方法(OPE)進(jìn)行評(píng)估，評(píng)估指標(biāo)為精度得分和成功率。精度ρ為所跟蹤目標(biāo)的實(shí)際中心位置與標(biāo)準(zhǔn)中心位置的歐氏距離

(14)

式中 (xc,yc)為目標(biāo)的實(shí)際中心位置，(xg,yg)為目標(biāo)的標(biāo)準(zhǔn)中心位置，精度分?jǐn)?shù)(precision)定義為低于一個(gè)特定閾值ρ的視頻幀數(shù)占視頻總幀數(shù)的百分比。重疊率(IOU)表示在當(dāng)前幀中，跟蹤框和標(biāo)準(zhǔn)框的重疊面積與兩個(gè)框的總面積的比值

(15)

式中BT為跟蹤框，BG為標(biāo)準(zhǔn)框，成功率定義為重疊率超過一個(gè)特定閾值的視頻幀數(shù)占視頻總幀數(shù)的百分比。

所提算法與六種主流算法進(jìn)行比較，包括HCFT[7]，Staple[9]，LMCF[10]，KCF[3]，DSST[4]、SAMF[5]。其中，HCFT僅使用深度特征，Staple使用的是顏色直方圖和HOG特征，LMCF和SAMF使用的是HOG和CN特征，KCF和DSST使用的是HOG特征。本次實(shí)驗(yàn)主要評(píng)估了使用OPE方法的結(jié)果，在圖2中,圖(a)表示閾值在20像素處的距離精度得分，圖(b)表示曲線下的面積。本文算法與六種主流算法相比，取得了最好的結(jié)果，精度達(dá)到了87.5 %，成功率則達(dá)到了77.8 %，分別高出第二名跟蹤算法4.7 %和8.3 %，在所有比較的算法當(dāng)中排名第一。

圖2 距離精度和重疊成功率

3.3 定性評(píng)估

圖3為所提方法與LMCF，Staple，HCFT，DSST跟蹤算法在5個(gè)具有不同挑戰(zhàn)因素的視頻序列上進(jìn)行的定性評(píng)估，分別是DragonBaby，MotorRolling，Human7，Pand和Jogging,從圖3中可以得出，LMCF在目標(biāo)被遮擋情況下能夠繼續(xù)跟蹤到目標(biāo)(Jogging),但當(dāng)目標(biāo)快速移動(dòng)和發(fā)生旋轉(zhuǎn)時(shí)(BragonBaby)，其跟蹤性能較差。Staple算法雖然對(duì)光照變化和尺度變化不敏感(Human7),但對(duì)快速運(yùn)動(dòng)、發(fā)生旋轉(zhuǎn)的目標(biāo)的跟蹤性能也很差(MotorRolling)。HCHT算法雖然能夠檢測(cè)出目標(biāo)所在的位置，但當(dāng)目標(biāo)的尺度發(fā)生變化或被遮擋時(shí)，不能自適應(yīng)調(diào)整目標(biāo)的尺寸和重新跟蹤上目標(biāo)。DSST算法可以對(duì)目標(biāo)的尺寸進(jìn)行預(yù)測(cè)，但當(dāng)目標(biāo)發(fā)生旋轉(zhuǎn)或被遮擋時(shí)，會(huì)發(fā)生跟蹤漂移。本文所提的算法能很好應(yīng)對(duì)以上各種挑戰(zhàn)因素，從5個(gè)測(cè)試序列可以看出，本文算法的跟蹤性能均很好。

圖3 五種跟蹤算法的對(duì)比效果

4 結(jié) 論

在復(fù)雜場(chǎng)景下，針對(duì)使用單一特征的相關(guān)濾波器容易跟蹤失敗的問題，通過提取傳統(tǒng)手工特征(HOG，CN，Gray)和深度特征來表征目標(biāo)外觀模型，實(shí)現(xiàn)了紋理信息和高語義信息的有效互補(bǔ)，進(jìn)一步改善了目標(biāo)的表征能力，同時(shí)，通過計(jì)算每個(gè)通道的可靠性系數(shù)，實(shí)現(xiàn)響應(yīng)圖的自適應(yīng)通道可靠性加權(quán)融合，實(shí)現(xiàn)了目標(biāo)的精確定位，在OTB—100上表明，所提算法能應(yīng)對(duì)一些跟蹤場(chǎng)景中的復(fù)雜變化(如目標(biāo)旋轉(zhuǎn)、快速移動(dòng)、遮擋等)，具有較高的跟蹤精度和較好的魯棒性。