在碎片化閱讀充斥眼球的時代，越來越少的人會去關注每篇論文背后的探索和思考。

在這個欄目里，你會快速 get 每篇精選論文的亮點和痛點，時刻緊跟 AI 前沿成果。

點擊本文底部的「閱讀原文」即刻加入社區(qū)，查看更多最新論文推薦。

這是 PaperDaily 的第?52?篇文章

關于作者：陳泰紅，小米高級算法工程師，研究方向為人臉檢測識別，手勢識別與跟蹤。

■?論文 | Parallel Tracking and Verifying

■ 鏈接 | https://www.paperweekly.site/papers/1613

■ 源碼 | http://tinyurl.com/y94wn2yg

論文動機

目標追蹤是視頻分析的基本任務，比目標識別更為復雜：目標追蹤可以把每一幀看作單獨的圖片，再進行識別，但目標追蹤不會這樣做，因為沒有考慮視頻幀之間的冗余信息，效率低且慢。

目標追蹤一直有兩大陣營，CF 相關濾波和 CNN，當然也可以 CF+CNN 融合。

?

本文基于以下動機：?

1. 物體運動時，大部分時間運動平緩，外觀改變較慢。但是對于偶然發(fā)生的劇烈運動，需要復雜信息處理，需要單獨驗證。?

2. CV 領域已經普及多線程計算，尤其 SLAM（Simultaneous localization and mapping、同步定位于地圖構建）領域。PTAM 算法的一個關鍵觀點是每一幀不是有必要構建地圖。對于目標追蹤而言，每一幀圖片也不需要單獨的驗證。?

3. tracking performance 和 efficiency 之間需要達到一種平衡。?

論文將 tracking 過程分解為兩個并行但是相互協(xié)作的部分：一個用于快速的跟蹤（fast tracking），另一個用于準確的驗證（accurate verification）。?

其實作者之前發(fā)布的論文版本 [1] 已被 ICCV 2017 錄用，此版本在原文基礎上做了進一步的修訂。本文所有討論以 2018 年 1 月 在 arXiv 上發(fā)布的版本為準。

該版本在原文基礎上做了以下改進：?

1. 使用更具有魯棒性的跟蹤器（Staple）提升性能。?

2. 動態(tài)目標模板池用于自適應驗證，放置目標外觀的變化。?

3. PTAV 的 V 和 T 進行了多方面驗證，比如 T 使用 VGGNet 和 AlexNet ，V 使用 KCF、fDSST 和 Staple。?

4. 使用更多實時性算法和基準，進行更徹底實驗驗證和分析。

論文模型

PTAV 算法架構包括三部分：Base Tracker T，Base Verifier V，以及它們之間的協(xié)調環(huán)節(jié)。

對于 T，論文選擇的是 Staple 算法 [2]。驗證環(huán)節(jié) V 則選擇采用 Siamese network 驗證目標之間的相似性。對于協(xié)調環(huán)節(jié)，T 在合適的頻率發(fā)送結果給 V，保證足夠的時間驗證。

為了改善 PTAV 的精度和速率，論文使用 k 均值聚類用于保持動態(tài)目標模板池用于自適應驗證。

實驗

論文的實驗數據詳實，在主要數據集 OTB2015，TC128，UAV20L 和 VOT2016 上均和典型算法進行了對比。

從精度和實時性考慮各個模型，如圖所示，OTB2015 數據集顯示效果。

總結

PTAV 的假設是大部分時間目標運動平滑，位置改變很慢。而較難的情況是運動的無規(guī)律性。論文提出的 verifying 時刻并不一定是運動改變的時刻，具有偶然性，所以對“打架斗毆”等運動劇烈的情況會失敗。10 幀更新速率對 verifying 不是最好的選擇。?

對于同樣視頻序列處理的 video segmentation，可以同樣考慮。因為視頻的逐幀操作比較耗費時間，這種間隔性的驗證可大量節(jié)約資源。但是，對于劇烈變化的活動，更新會滯后。是否存在自使用速率變化的方法，這樣的坑可以繼續(xù)填。

參考文獻

[1] Parallel Tracking and Verifying: A Framework for Real-Time and High Accuracy Visual Tracking (ICCV2017)

[2] Staple: Complementary Learners for Real-Time Tracking

本文由 AI 學術社區(qū) PaperWeekly 精選推薦，社區(qū)目前已覆蓋自然語言處理、計算機視覺、人工智能、機器學習、數據挖掘和信息檢索等研究方向，點擊「閱讀原文」即刻加入社區(qū)！

#榜 單 公 布?#

2017年度最值得讀的AI論文 | NLP篇 · 評選結果公布

2017年度最值得讀的AI論文 | CV篇 · 評選結果公布

??我是彩蛋?

解鎖新功能：熱門職位推薦！

PaperWeekly小程序升級啦

今日arXiv√猜你喜歡√熱門職位√

找全職找實習都不是問題

?

?解鎖方式?

1. 識別下方二維碼打開小程序

2. 用PaperWeekly社區(qū)賬號進行登陸

3. 登陸后即可解鎖所有功能

?職位發(fā)布?

請?zhí)砑有≈治⑿?#xff08;pwbot01）進行咨詢

?

長按識別二維碼，使用小程序

*點擊閱讀原文即可注冊

? ? ? ? ???

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

▽ 點擊 |?閱讀原文?| 查看原論文

總結

以上是生活随笔為你收集整理的PTAV：实时高精度目标追踪框架 | ICCV 2017论文解读的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。