[論文レビュー] Robust Estimation of Similarity Transformation for Visual Object Tracking

Yang Li, Jianke Zhu+4 more|arXiv (Cornell University)|Dec 14, 2017

Video Surveillance and Tracking Methods被引用数 14

ひとこと要約

本稿では、ブロック座標降下（BCD）フレームワークを用いて、並進、スケール、回転を含む4自由度の相似変換を効率的に推定するロバストな相関フィルタベースのトラッカーを提案する。問題を2つの2自由度部分問題に定式化し、スケール-回転推定にログ・ポーラー位相相関を採用することで、OTBおよびPOTベンチマークでリアルタイム性能と最先端の精度を達成し、大規模な変位を伴う状況においてディープラーニング手法や従来のトラッカーを上回る性能を発揮する。

ABSTRACT

Most of existing correlation filter-based tracking approaches only estimate simple axis-aligned bounding boxes, and very few of them is capable of recovering the underlying similarity transformation. To tackle this challenging problem, in this paper, we propose a new correlation filter-based tracker with a novel robust estimation of similarity transformation on the large displacements. In order to efficiently search in such a large 4-DoF space in real-time, we formulate the problem into two 2-DoF sub-problems and apply an efficient Block Coordinates Descent solver to optimize the estimation result. Specifically, we employ an efficient phase correlation scheme to deal with both scale and rotation changes simultaneously in log-polar coordinates. Moreover, a variant of correlation filter is used to predict the translational motion individually. Our experimental results demonstrate that the proposed tracker achieves very promising prediction performance compared with the state-of-the-art visual object tracking methods while still retaining the advantages of high efficiency and simplicity in conventional correlation filter-based tracking methods.

研究の動機と目的

• 相関フィルタベースのトラッカーにおいて、特にスケールと回転を含む大規模な変位に対するロバストな相似変換推定の欠如を解消すること。
• スケールと回転推定に密なサンプリングに依存する既存手法の高い計算コストと限られた精度を克服すること。
• 事前に定義されたサンプリンググリッドや高コストの再計算を必要とせずに、効率的かつ正確な4自由度トラッキング（並進、スケール、回転）を可能にすること。
• 高速な運動、遮蔽、大規模なスケール変化などの困難な状況下でのトラッキングのロバスト性と精度を向上させること。

提案手法

• 4自由度の相似変換推定を、並進とスケール-回転の2つの2自由度部分問題に分解した最適化問題として定式化する。
• 収束性と安定性を保証するため、並進とスケール-回転パラメータを交互に最適化するブロック座標降下（BCD）ソルバを採用する。
• ログ・ポーラー座標における位相相関スキームを用いることで、スケールと回転の変化を同時にかつ効率的に推定可能となる。
• 並進運動を独立に予測する高速な相関フィルタの変種を採用し、リアルタイム効率を維持する。
• 1フレームあたりの特徴空間のサンプリングを1回のみ実行することで、コストの高い繰り返しリサンプリングを回避する。
• 既存の相関フィルタトラッカーにスムーズに統合可能な、軽量で効率的なパイプラインとしてフレームワークを実装する。

実験結果

リサーチクエスチョン

• RQ1 相関フィルタベースのトラッカーは、密なサンプリングを用いずに、リアルタイムで4自由度の相似変換（並進、スケール、回転）をロバストに推定できるか？
• RQ2 提案されたBCDに基づく最適化フレームワークは、大規模な変位状況下でトラッキングの精度と安定性をどのように向上させるか？
• RQ3 ログ・ポーラー位相相関は、従来のスケール-回転推定手法に比べて、効率性と精度の面でどの程度優れているか？
• RQ4 本手法は、遮蔽、運動ブラー、照明変化などの多様なトラッキング課題にどの程度一般化可能か？
• RQ5 標準ベンチマークにおいて、ディープラーニングベースおよび従来のトラッカーと比較して、本手法は最先端の性能を達成できるか？

主な発見

• OTB-2015ベンチマークでは、本トラッカーが51.31%の成功率と50.64%の精度を達成し、2番目に良いトラッカー（ECO-HC）を両指標で13%以上上回った。
• POTベンチマークでは、210の平面追跡シーケンスにおいて51.31%の精度と50.64%の成功率を達成し、ディープラーニングベースの手法を顕著に上回った。
• BCDフレームワークにより、LDES-NoBCDバージョンと比較して、スケール関連および制約なしの動画カテゴリで精度が14%向上、成功率が5%向上した。
• POTベンチマークでは、大多数の評価指標で1位を記録し、優れた一般化性能とロバスト性を示した。
• ログ・ポーラー位相相関スキームは、主流の手法と同等の性能を達成しながら、最小限の計算オーバーヘッドでスケール-回転の同時推定を可能にした。
• 標準PC上で20–30 FPSのリアルタイム性能を維持しており、精度を損なわず効率性を実現した。