在斗魚上參加了浙江大學(xué)碩士生王蒙蒙女神的單目標(biāo)跟蹤的分享直播浓瞪，很受用宏邮。
Overview about visual tracking
1根盒、在單目標(biāo)跟蹤中褐健，什么是可視化跟蹤呢付鹿？
What is visual trackiing?
Object Given:
The traker is initialized with a bounding box in the first frame
Model-Free:
Without usingany explicit appearance or shape model
Single Object:
Mainly focus on single object tracking
Real-time:
It is better to track an object in real-time for practical application
2、可視化跟蹤主要用在哪些方面铝量？
Service robot
Intelligent monitoring
Intelligent Transportation
Human-computer interaction
3倘屹、visual tracking中經(jīng)常會遇到哪些問題？
在進(jìn)行目標(biāo)跟蹤的過程中慢叨，不可避免的會遇到以下4類問題纽匙，這些問題在閱讀相關(guān)tracking的論文也經(jīng)常被提出來。要知道這些問題是什么拍谐，才能針對這些問題提出相應(yīng)算法做改進(jìn)烛缔，改善跟蹤的效果。要知道提出的每個(gè)跟蹤算法就問題而言改善了哪個(gè)轩拨，這樣的學(xué)習(xí)會更加的清楚践瓷。
諸多的挑戰(zhàn)：Motion Blur、Occlusion亡蓉、Deformation晕翠、Scale Variation.
缺乏training samples
Typical Trackers
1.CF based trackers
KCF:High-Speed Tracking with Kernelized Correlation Filters
LMCF:Large Margin Object Tracking with Circulant Feature Maps
2.CNN bases trackers
SiamFC:Fully-Convolutional Siamese Networks for Object Tracking
ECO:Efficient Convolution Operators for Tracking
Summary&Tips
在做目標(biāo)跟蹤時(shí)，有以下3個(gè)方面可以考慮砍濒，針對這些方面做選擇淋肾，可以構(gòu)成各式各樣的跟蹤器。上圖
My Thoughts
在閱讀Paper時(shí)爸邢，要知道文章的技術(shù)點(diǎn)在哪里樊卓，用到了什么技巧或者技術(shù)。
提出的算法性能很好杠河，State-of-the-art碌尔，要知道為什么性能好，做個(gè)總結(jié)券敌，例如在Large Margin Object Tracking with Circulant Feature Maps這篇文章中唾戚，LMCF因?yàn)樽髡咧饕顷P(guān)注實(shí)時(shí)性做的，速度很好陪白，好的原因做以下總結(jié)：
Conclusion & Contributions
Powerful classifier
Multimodel target tracking
High-confidence model update：在模型更新這塊兒颈走，魯棒性很好
而這些恰巧就是文章的技術(shù)點(diǎn)或者創(chuàng)新點(diǎn)，我們要做的工作就是提出創(chuàng)新點(diǎn)咱士，這個(gè)創(chuàng)新可以是針對某一問題訓(xùn)練一個(gè)網(wǎng)絡(luò)立由。
再例如轧钓，對于ECO：Efficient Convolution Operators for Tracking可以做如下總結(jié)。
Conclusion:
CNN+HOG+CN
Powerful filters
Training components(diversity)
Update the filters every 6 frames
在這里锐膜，我們要明確的一點(diǎn)是：低層特征有較高的分辨率毕箍，能夠?qū)δ繕?biāo)進(jìn)行精確定位。高層特征包含更多的語義信息道盏，能夠處理較大的目標(biāo)變化和防止跟蹤器漂移而柑，能夠?qū)δ繕?biāo)進(jìn)行一定范圍的定位。當(dāng)然荷逞，越低層的特征媒咳，跟蹤器的速度越快，但精度不見得那么好种远，這是可想而知的涩澡。在做跟蹤時(shí)具體選什么特征還要好好想想。
做模型更新時(shí)坠敷，如果每幀都更新的話妙同，那會使得跟蹤速度變慢，因?yàn)槟Ｐ偷腢pdate是很耗時(shí)的膝迎。在這里粥帚，可以想想更新的策略，如ECO提出的每6幀更新一次限次，LMCF提出的關(guān)于閾值的High-confidence model update芒涡。不過，個(gè)人感覺卖漫，High-confidence model update會更好些拖陆。
