[论文解读] AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization

Yiming Li, Changhong Fu+3 more|arXiv (Cornell University)|Mar 29, 2020

Video Surveillance and Tracking Methods参考文献 58被引用 14

一句话总结

AutoTrack 提出了一种基于 DCF 的新型无人机视觉追踪器，能够从响应图中自动学习时空正则化，利用局部响应变化聚焦于可靠的物体部分，利用全局变化自适应控制滤波器更新。该方法在单个 CPU 上实现了约 60 FPS 的实时性能，优于所有基于 CPU 和 GPU 的追踪器，在无人机基准测试中达到最先进水平，实现了实际场景中实时、精准的无人机定位。

ABSTRACT

Most existing trackers based on discriminative correlation filters (DCF) try to introduce predefined regularization term to improve the learning of target objects, e.g., by suppressing background learning or by restricting change rate of correlation filters. However, predefined parameters introduce much effort in tuning them and they still fail to adapt to new situations that the designer did not think of. In this work, a novel approach is proposed to online automatically and adaptively learn spatio-temporal regularization term. Spatially local response map variation is introduced as spatial regularization to make DCF focus on the learning of trust-worthy parts of the object, and global response map variation determines the updating rate of the filter. Extensive experiments on four UAV benchmarks have proven the superiority of our method compared to the state-of-the-art CPU- and GPU-based trackers, with a speed of ~60 frames per second running on a single CPU. Our tracker is additionally proposed to be applied in UAV localization. Considerable tests in the indoor practical scenarios have proven the effectiveness and versatility of our localization method. The code is available at https://github.com/vision4robotics/AutoTrack.

研究动机与目标

• 解决基于 DCF 的追踪器中预设正则化方法的局限性，后者需要手动调参，且无法适应未预见的视觉变化。
• 在光照变化、遮挡和目标形变等挑战性无人机条件下提升追踪鲁棒性。
• 开发一种自适应正则化机制，能够根据响应图的变化动态调整，无需手动调参。
• 通过利用追踪器在室内环境中所具备的精度和实时性能，将视觉追踪扩展至实际的无人机定位任务。
• 在标准基准测试之外的真实世界场景中，验证追踪器的通用性与有效性。

提出的方法

• 基于局部响应图变化引入空间正则化，以抑制对物体低可信度区域（如被遮挡或失真的部分）的学习。
• 利用全局响应图变化控制滤波器更新频率：高变化表明可能存在追踪误差，因此暂停或减少学习。
• 通过内在响应图统计特性在线自动调参正则化项，消除手动调参的需要。
• 将自适应正则化集成到判别相关滤波（DCF）框架中，实现在傅里叶域中的高效计算。
• 通过从追踪到的视觉特征中估计无人机位姿，利用动作捕捉系统提供的真值，将追踪器作为定位模块使用。
• 在四个无人机基准数据集和六个真实世界室内数据集上端到端训练并评估追踪器，用于定位验证。

实验结果

研究问题

• RQ1 能否通过自动、数据驱动的正则化，在无需手动调参的情况下，提升 DCF 基追踪器在动态无人机环境下的性能？
• RQ2 局部响应变化与物体部分可信度之间有何关联？是否可用于指导相关滤波器中的选择性学习？
• RQ3 全局响应变化能否作为追踪可靠性的可靠指标，以自适应地控制滤波器更新？
• RQ4 AutoTrack 在准确率、速度和鲁棒性方面，相较于最先进水平的 CPU 和 GPU 追踪器，在无人机基准测试中的表现提升程度如何？
• RQ5 所提出的追踪器能否在实际的室内环境中有效应用于实时无人机定位？

主要发现

• 在无人机基准测试中，AutoTrack 的成功率为 0.495 AUC，优于 STRCF 的 2.7%，并在两个无人机数据集中超越了多个最先进的深度学习追踪器。
• 在光照变化和大范围遮挡等挑战性条件下，由于采用了自适应空间正则化和异常检测机制，AutoTrack 相较于 STRCF 分别提升了 7.0% 和 15.7% 的成功率。
• 该追踪器在单个 CPU 上运行速度约为 60 FPS，是目前性能最高的 CPU 基追踪器，且与 GPU 基 SOTA 方法具有竞争力。
• 消融实验表明，自动空间正则化（ASR）和自动时间正则化（ATR）均对性能提升有贡献，其中 ATR 还通过减少在污染样本上的训练提升了运行速度。
• 在无人机定位任务中，系统在 2,666 帧中实现了 3.44 cm（RMSE）的平均位置误差，证明了其在实际室内场景中具备高精度与实时可行性。
• 该方法在不同环境间具有良好的泛化能力，六组不同轨迹与物体外观的室内数据集均表现出一致的优异性能。