学术论文

      基于踪片Tracklet关联的视觉目标跟踪:现状与展望

      Tracklet Association-based Visual Object Tracking: The State of the Art and Beyond

      摘要:
      近年来,由于计算机视觉技术的发展和计算机硬件性能的提高,基于视觉的目标跟踪方法得到了飞速的发展.其中,基于踪片(Tracklet) 关联的目标跟踪方法因为具有对目标遮挡的强鲁棒性、算法运行的快速性等优点得到了广泛关注,本文对这类方法的最新研究进展进行了综述.首先,简明地介绍了视觉目标跟踪的基本知识、研究意义和研究现状.然后,通过感兴趣目标检测、跟踪特征提取、踪片生成、踪片关联与补全四个步骤,系统详尽地介绍了基于踪片关联的目标跟踪方法,分析了近年来提出的一些踪片关联方法的优缺点.最后,本文指出了该研究问题的发展方向,一方面要提出更先进的目标跟踪模型,另一方面要采用平行视觉方法进行虚实互动的模型学习与评估.
      Abstract:
      In the past decade,benefitting from the progress in computer vision theories and computing resources,there has been a rapid development in visual object tracking. Among all the methods,the tracklet-based object tracking method has gained its popularity due to its robustness in occlusion scenarios and high computational efficiency. This paper present a comprehensive survey of research methods related to tracklet-based object tracking. First,the basic concepts,research significance and research status of visual object tracking are introduced briefly. Then,the tracklet-based tracking approach is described from four aspects,including object detection,feature extraction,tracklet generation,and tracklet association and completion. Afterwards,we propose a detailed review and analyze the characteristics of state-of-the-art tracklet-based tracking methods. Finally, potential challenges and research fields are discussed. In our opinion, more advanced object tracking models should be proposed and the parallel vision approach should be adopted to learn and evaluate tracking models in a virtual-real interactive way.
      作者: 刘雅婷 [1] 王坤峰 [2] 王飞跃 [3]
      Author: LIU Ya-Ting [1] WANG Kun-Feng [2] WANG Fei-Yue [3]
      作者单位: 中国科学院自动化研究所复杂系统管理与控制国家重点实验室 北京100190;中国科学院大学 北京100049;青岛智能产业技术研究院 青岛266000 中国科学院自动化研究所复杂系统管理与控制国家重点实验室 北京100190;青岛智能产业技术研究院 青岛266000 中国科学院自动化研究所复杂系统管理与控制国家重点实验室 北京100190;国防科技大学军事计算实验与平行系统技术研究中心 长沙410073
      刊 名: 自动化学报 ISTICEIPKU
      年,卷(期): 2017, 43(11)
      机标分类号: TP3 TP1
      在线出版日期: 2018年2月2日
      基金项目: 国家自然科学基金(61533019, 71232006, 91520301) 资助 Supported by National Natural Science Foundation of China