[論文レビュー] Enforcing Template Representability and Temporal Consistency for Adaptive Sparse Tracking

Xue Yang, Fei Han+2 more|ArXiv.org|Apr 30, 2016

Video Surveillance and Tracking Methods参考文献 27被引用数 3

ひとこと要約

本稿では、視覚追跡における外見変化に対する耐性を向上させるために、テンプレート表現可能性と時間的整合性を強制する新しいスパース追跡アルゴリズムTRACを提案する。時間的正則化に構造的スパarsity誘導ノルムを用い、長期的および短期的表現可能性に基づく適応的テンプレート更新戦略を採用することで、TRACはドリフトを顕著に低減し、12のベンチマークシーケンスにおいて最先端のトラッカーを上回る性能を達成する。

ABSTRACT

Sparse representation has been widely studied in visual tracking, which has shown promising tracking performance. Despite a lot of progress, the visual tracking problem is still a challenging task due to appearance variations over time. In this paper, we propose a novel sparse tracking algorithm that well addresses temporal appearance changes, by enforcing template representability and temporal consistency (TRAC). By modeling temporal consistency, our algorithm addresses the issue of drifting away from a tracking target. By exploring the templates' long-term-short-term representability, the proposed method adaptively updates the dictionary using the most descriptive templates, which significantly improves the robustness to target appearance changes. We compare our TRAC algorithm against the state-of-the-art approaches on 12 challenging benchmark image sequences. Both qualitative and quantitative results demonstrate that our algorithm significantly outperforms previous state-of-the-art trackers.

研究の動機と目的

• 視覚追跡における時間的外見変化に起因するトラッカーのドリフトという持続的問題に対処すること。
• ポーズ変化、遮蔽、照明変化、背景のごみなどの外見変化に対する耐性を向上させること。
• 単に重要度重みに依存する従来のスパーストラッカーの限界を克服すること。これにより、重複するか特徴が明確でないテンプレートが生成される可能性がある。
• 短期的および長期的時間的文脈における表現可能性に基づき、適応的にテンプレートを選択・更新する手法を開発すること。
• スパース追跡最適化問題を解く際に理論的収束性と計算効率を保証すること。

提案手法

• 時間的整合性を強制するために、連続するフレーム間でのターゲット外見の一貫性を確保するための構造的スパarsity誘導ノルムを時間的正則化項として導入する。
• 各パーティクルをターゲットテンプレートのスパース線形結合で表現するパーティクルフィルタフレームワーク内で追跡問題を定式化する。
• 候補テンプレートの長期的および短期的表現可能性を評価し、最も記述的であるものを選択する適応的テンプレート更新メカニズムを提案する。
• パーティクル間の共同スパarsityを促進し、辞書の識別力を高めるために、混合 $β_{2,1}$-ノルム正則化を用いる。
• 非凸で構造的スパース最適化問題を効率的に解く理論的収束保証付きの新しい最適化アルゴリズムを設計する。
• 時間的整合性と適応的表現可能性制約を統合した目的関数を構築し、耐障害性の高い追跡を実現する。

実験結果

リサーチクエスチョン

• RQ1 トラッカーのドリフトを低減するために、ターゲット外見の時間的整合性をどのように効果的にモデル化できるか。
• RQ2 長期的および短期的表現可能性を組み込むことで、テンプレート選択と追跡の耐障害性がどの程度向上するか。
• RQ3 表現可能性に基づく適応的テンプレート更新戦略が、従来の重要度重みに基づく更新方式を上回るか。
• RQ4 標準の $β_1$-ノルムまたは $β_{2,1}$-ノルム正則化と比較して、提案された構造的スパarsity正則化は外見変化に対処する上でどのように優れているか。
• RQ5 特に複雑な視覚条件下でも、提案された最適化フレームワークは信頼性があり、効率的に収束するか。

主な発見

• TRACは12のベンチマークシーケンスにおいて10の最先端トラッカーを顕著に上回り、精度と成功率の両方の指標で最高のパフォーマンスを達成した。
• ポーズ変化シーケンス（david2, dudek, trellis）では、TRACはドリフトや遮蔽によって失敗するOAB、L1APG、CTと異なり、正確な追跡を維持した。
• 照明変化や背景のごみが混在するシーケンスにおいても、TRACは優れた耐障害性を示し、最小限のドリフトと一貫したボクシングボックスオーバーラップを維持した。
• 成功率プロットでは、TRACが全スレッショルドで最高の平均オーバーラップスコアを達成しており、特に高いオーバーラップスレッショルドで顕著な優位性を示した。
• 精度指標では、TRACが真値の中心位置から20ピクセル以内のフレームの割合を高く維持し、比較対象のすべての手法を上回った。
• アブレーションスタディにより、時間的整合性と適応的テンプレート表現可能性の両方が性能向上に顕著に寄与しており、各コンポーネントが追跡の正確性と安定性を向上させたことが確認された。