[論文レビュー] Tracking Noisy Targets: A Review of Recent Object Tracking Approaches

Mustansar Fiaz, Arif Mahmood+1 more|arXiv (Cornell University)|Feb 9, 2018

Video Surveillance and Tracking Methods参考文献 7被引用数 35

ひとこと要約

本論文は最近の視覚的オブジェクト追跡手法をレビューし、相関フィルタベースと非相関フィルタベースのトラッカーに分類し、OTB2015ベンチマークを用いて追加白色ガウスノイズ下でのロバストネスを評価する。主な貢献は、ノイズがトラッカー性能を顕著に低下させることを示し、ノイズレベルの変化に伴い相対的順位が変化することを明らかにしたことである。これは、将来の追跡アルゴリズム開発においてノイズロバストネスを標準的な評価指標に組み込む必要があることを示唆している。

ABSTRACT

Visual object tracking is an important computer vision problem with numerous real-world applications including human-computer interaction, autonomous vehicles, robotics, motion-based recognition, video indexing, surveillance and security. In this paper, we aim to extensively review the latest trends and advances in the tracking algorithms and evaluate the robustness of trackers in the presence of noise. The first part of this work comprises a comprehensive survey of recently proposed tracking algorithms. We broadly categorize trackers into correlation filter based trackers and the others as non-correlation filter trackers. Each category is further classified into various types of trackers based on the architecture of the tracking mechanism. In the second part of this work, we experimentally evaluate tracking algorithms for robustness in the presence of additive white Gaussian noise. Multiple levels of additive noise are added to the Object Tracking Benchmark (OTB) 2015, and the precision and success rates of the tracking algorithms are evaluated. Some algorithms suffered more performance degradation than others, which brings to light a previously unexplored aspect of the tracking algorithms. The relative rank of the algorithms based on their performance on benchmark datasets may change in the presence of noise. Our study concludes that no single tracker is able to achieve the same efficiency in the presence of noise as under noise-free conditions; thus, there is a need to include a parameter for robustness to noise when evaluating newly proposed tracking algorithms.

研究の動機と目的

• 相関フィルタベースと非相関フィルタベースのアプローチに焦点を当て、最近の視覚的オブジェクト追跡アルゴリズムの包括的なサーベイを提供すること。
• さまざまなレベルの追加白色ガウスノイズ下での最先端トラッカーのロバストネスを評価すること。
• 合成ノイズにさらされた際のトラッカーの性能低下パターンを特定し、ノイズ感受性が標準ベンチマーク上の相対的順位に影響することを明らかにすること。
• 将来の追跡アルゴリズム開発においてノイズロバストネスを重要な評価基準として組み込むよう提言すること。
• 視覚的ノイズを伴う実世界の応用に適したトラッカーの選定を研究者および実務家にガイドすること。

提案手法

• トラッカーの基本的アーキテクチャに基づき、最近の追跡アルゴリズムを相関フィルタベースと非相関フィルタベースに分類する。
• OTB2015ベンチマークデータセットに、増加する分散（0.00 から 0.09）を持つ合成追加白色ガウスノイズを適用する。
• 標準指標（精度と成功確率）を用いて、ノイズレベルごとのトラッカー性能を評価する。
• ノイズなしとノイズありの状態におけるトラッカーの相対的性能順位を比較し、ロバストネスを評価する。
• 結果の一貫性と再現可能性を確保するため、標準化された評価プロトコルを用いる。
• 異なるトラッカー種別とノイズレベルにおける性能低下トレンドを分析し、脆弱性を特定する。

実験結果

リサーチクエスチョン

• RQ1 相関フィルタベースと非相関フィルタベースのトラッカーは、追加白色ガウスノイズ下でどのようにロバストネスを発揮するか？
• RQ2 OTB2015のような標準ベンチマーク上で、ノイズが導入された場合にトラッカーの相対的順位が一貫して保たれるか？
• RQ3 どのトラッカー種別が増加するノイズレベルに対して最も顕著な性能低下を示すか？
• RQ4 ノイズは視覚的オブジェクト追跡タスクにおける精度と成功確率にどの程度影響を及えるか？
• RQ5 現在の標準評価プロトコルでは、ノイズロバストネスが評価対象として考慮されているか？

主な発見

• ECO や CSRDCF などの複数のトラッカーが、高ノイズレベルで顕著な性能低下を示し、照明変動条件下ではノイズなし時（88.8%）から分散 0.09 時に精度が 64.9% に低下した。
• ECT や CNT のようなトラッカーは極端に感受性が高く、高ノイズ下で精度が 5% 未満に低下し、ノイズ環境下でほぼ完全に失敗していることが示された。
• ノイズの増加に伴いトラッカーの相対的順位が顕著に変化したため、クリーンなベンチマーク上での性能は、ノイズ環境下でのロバストネスを信頼できるように予測できないことが明らかになった。
• SRDCFdecon や CF2 は顕著な劣化を示し、高ノイズ下で成功確率が 80% を超えていたものが 50% 未満に低下した。これは特定の相関フィルタ変種における脆弱性を浮き彫りにした。
• ECO や CSRDCF といったトップパフォーマンストラッカーですら、中程度のノイズ（分散 0.05）下で精度が 10% 以上低下したため、優れた手法であってもノイズロバストネスは本質的ではないことが示された。
• 本研究は、どのトラッカーもノイズ環境下でノイズなし時の効率を維持できないと結論づけ、ノイズロバストネスを公式な評価基準として組み込む必要があることを強調している。