目标跟踪算法小结（二）

Compressive Tracking(压缩跟踪)

压缩跟踪是一种基于压缩感知（Compressive Sensing, CS）的跟踪算法，利用符合压缩感知有限等距性质（Restricted Isometry Property, RIP）条件的随机感知矩对多尺度图像特征进行降维，然后对降维特征应用简单朴素贝叶斯分类器进行分类。
对t-1帧跟踪目标周围采集若干正样本和负样本进行多尺度变换（与不同尺度的滤波器进行卷积），然后对这些图像片进行降维特征提取，接着用朴素贝叶斯分类器对图像片分类，找到分类数最大的图像片作为当前的跟踪目标，在跟踪目标图像周围采集样本对分类器进行更新。
跟踪效果：对快速运动跟踪效果不好，速度较快，平均速度30FPS。
Real-Time Compressive Tracking. ECCV 2012
Robust Visual Tracking and Vehicle Classification via Sparse Representation. PAMI 2011
Real-time Visual Tracking Using Compressive Sensing. CVPR 2011

Correlation Filter Tracking(相关滤波器跟踪)

CSK，KCF，DCF

三者都是核相关滤波方法，引入核函数使高维空间中的非线性问题变为线性问题从而加速训练和检测，利用循环矩阵增加训练样本，利用DFT的性质避免求逆操作提高跟踪速度。CSK利用图像的灰度信息，高斯滤波和1倍padding；KCF利用HOG特征，高斯滤波和1.5倍padding，DCF利用HOG特征，线性滤波和1.5倍padding。
CSK没有解决多尺度问题和循环矩阵边界效应只利用了图像的灰度信息；KCF和DCF输入可以是多通道的可以利用更多的图像信息进行跟踪。
Exploiting the Circulant Structure of Tracking-by-detection with Kernels_eccv2012
High-Speed Tracking with Kernelized Correlation Filters-henriques_tpami2015

CN，CN2

CN跟踪算法是CSK跟踪算法的扩展，CSK没有利用图像的颜色信息，而CN则是在CSK的基础上加上了图像颜色信息，将图像的RGB颜色信息映射到包含(black , blue , brown , grey , green , orange , pink , purple , red , white , yellow)11颜色通道的CN空间，对每一个通道空间进行FFT变换，核映射，然后对频域信号求和，这种方法运算量大，可以使用PCA对颜色通道降维，把11维的颜色通道降为2维，提高运算速度。
Adaptive Color Attributes for Real-Time Visual Tracking_CVPR14

DSST，fDSST

DSST提出了基于3维尺度空间相关滤波器translation-scale的联合跟踪方式，利用两个滤波器位置滤波器(translation filter)和尺度滤波器(scale filter)依次进行目标定位和尺度评估，两个滤波器相互独立可以利用不同的特征种类和特征计算方式进行训练和测试，而利用尺度滤波器进行尺度估计的方法可以移植到其他算法中。fDSST对DSST进行加速，分别对位置滤波器和尺度滤波器进行PCA降维和QR分解来降低计算量提高计算速度。
fDSST跟踪效果
Discriminative Scale Space Tracking_TPAMI 2014
Accurate Scale Estimation for Robust Visual Tracking_BMVC 2014

SRDCF

SRDCF在KCF/DCF的基础上通过多尺度搜索解决了多尺度问题，并且加入惩罚项来解决循环矩阵的边界效应。在空间权重函数中加入惩罚权重w，超过边界的w更大作为惩罚；在检测时选择一定的候选框进行尺度匹配，找到最合适的尺度大小。
Learning Spatially Regularized Correlation Filters for Visual Tracking. ICCV 2015