[論文レビュー] A Review of Visual Trackers and Analysis of its Application to Mobile Robot

Shaoze You, Hua Zhu+2 more|arXiv (Cornell University)|Oct 22, 2019

Video Surveillance and Tracking Methods参考文献 161被引用数 8

ひとこと要約

本稿は、モバイルロボティクスにおける視覚追跡の包括的レビューを提示し、生成的手法と識別的手法、相関フィルタ、ディープラーニング、畳み込み特徴量を分析している。最先端のトラッカーの性能を評価し、モバイルロボット用途における頑健な視覚追跡の今後の研究方向性を提示している。

ABSTRACT

Computer vision has received a significant attention in recent year, which is one of the important parts for robots to obtain information about the external environment. Visual trackers can provide the necessary physical and environmental parameters for the mobile robot, and their performance is related to the actual application of the robot. This study provides a comprehensive survey on visual trackers. Following a brief introduction, we first analyzed the basic framework and difficulties of visual trackers. Then the structure of generative and discriminative methods is introduced, and summarized the feature descriptors, modeling methods, and learning methods which be used in tracker. Later we reviewed and evaluated the state-of-the-art progress on discriminative trackers from three directions: correlation filter, deep learning and convolutional features. Finally, we analyzed the research direction of visual tracker used in mobile robot, as well as outlined the future trends for visual tracker on mobile robot.

研究の動機と目的

• モバイルロボティクスに適用可能な視覚追跡技術について、体系的なレビューを提供すること。
• リアルタイムのロボットアプリケーションにおける視覚追跡の基本的なフレームワークと課題を分析すること。
• 相関フィルタ、ディープラーニング、畳み込み特徴量に基づく識別型トラッカーの性能を評価すること。
• 視覚追跡の研究ギャップと今後の研究方向性を、モバイルロボットの認識システムにおいて特定すること。

提案手法

• 学習およびモデリング戦略に基づき、視覚トラッカーを生成的手法と識別的手法に分類する。
• HOG、カラーヒストグラム、ディープ特徴量などの特徴記述子がトラッキングフレームワークでどのように使用されているかをレビューする。
• 相関フィルタ（例：CSK、KCF）およびオンライン適応を伴う識別的学習手法を含むモデリング技術を分析する。
• 自己教師付きネットワークと領域提案ネットワークを用いたディープラーニングベースのトラッカーが、より高い頑健性を実現する仕組みを検討する。
• オクルージョンや運動に伴う影響に対する精度、速度、頑健性の観点から、ベンチマークデータセット上でのトラッカー性能を比較する。
• モバイルロボットの展開制約を考慮した視覚トラッカー選定のための構造的評価フレームワークを提案する。

実験結果

リサーチクエスチョン

• RQ1 生成的手法と識別的手法の視覚トラッカーには、どのようなアーキテクチャ的・手法的差異があるか？
• RQ2 相関フィルタ、ディープラーニング、畳み込み特徴量は、追跡精度と推論速度の観点でどのように比較できるか？
• RQ3 実世界の条件下でモバイルロボットに視覚トラッカーを展開する際の主な課題は何か？
• RQ4 モバイルロボットのナビゲーションおよび環境認識に最も適した視覚追跡手法は何か？
• RQ5 モバイルロボティクスにおける視覚追跡の今後の動向と新規研究分野は何か？

主な発見

• 特に相関フィルタに基づく識別型トラッカーは、リアルタイムのモバイルロボットアプリケーションにおいて、速度と精度の良好なバランスを実現している。
• ディープラーニングベースのトラッカーは、複雑なシーケンスにおいて高い精度を達成するが、より多くの計算リソースを要する。
• ディープ特徴量と相関フィルタを組み合わせたハイブリッド手法は、オクルージョンやモーションブラーに対する頑健性が向上している。
• HOG やディープ特徴量といった特徴記述子は、照明変化や視点変化に対して追跡性能を顕著に向上させる。
• オンライン学習メカニズムの統合により、トラッカーの動的環境への適応性が向上している。
• 今後のモバイルロボット向け視覚追跡は、軽量モデル、リアルタイム推論、環境的擾乱への耐性の強化に注力すべきである。