【转】初见相关滤波与OTB

人生若只如见，一切都从2013年开始说起，那一年的冬天和往常一样冷。。如果你问别人近几年有什么比较niubility的跟踪算法，大部分人都会扔给你吴毅老师的论文，OTB50和OTB100(OTB50这里指OTB-2013，OTB100这里指OTB-2015，50个和100个序列方便记忆，感谢指正)：

• Wu Y, Lim J, Yang M H. Online object tracking: A benchmark [C]// CVPR, 2013.
  
• Wu Y, Lim J, Yang M H. Object tracking benchmark [J]. TPAMI, 2015.
  

顶会转顶刊的顶级待遇，在加上引用量1200+200多，影响力不言而喻，已经是做tracking必须跑的数据库了，测试代码和序列都可以下载： Visual Tracker Benchmark，OTB50包括50个序列：

论文在数据库上对比了包括2012年及之前的29个顶尖的tracker，有大家比较熟悉的OAB, IVT, MIL, CT, TLD, Struck等，都是顶会转顶刊的神作，由于之前没有比较公认的数据库，论文都是自卖自夸，大家也不知道到底哪个好用，所以这个database的意义非常重大，直接促进了跟踪算法的发展，后来又扩展为OTB100，有100个序列，我们这里参考OTB100的结果(标出了一些性能速度都比较著名的算法)：

接下来再看看这29个顶尖TRACKER在OTB100上的实验结果：

上结论：平均来看Struck, SCM, ASLA等算法的性能比较高，排在前三，着重强调CSK，第一次向世人展示了相关滤波的潜力，排第四还362FPS简直逆天了。请注意另一篇速度很快的经典算法CT(64fps，CSK的1/5)，排名倒数第四(CSK正数第四)(还有很多基于系数编码的方法，这段时间是压缩感知大热的时候，这里能看到很多稀疏相关算法，满满都是历史的痕迹)。如果对更早期的算法感兴趣，推荐另一篇经典的survey(反正我是没兴趣也没看过)：

• Yilmaz A, Javed O, Shah M. Object tracking: A survey [J]. CSUR, 2006.
  

自从2012年AlexNet问世以后，CV各个领域都有了很多变化，所以我猜你肯定还想知道2013到2017年发生了什么，抱歉我也不知道，不过我们可以肯定的是，2013年以后的论文确定以及必定都会引用OTB50这篇论文，借助谷歌学术中的被引用次数功能，得到如下结果：

这里仅列举几个排名靠前的，依次是Stuck转PAMI, 三大相关滤波方法KCF, CN, DSST, 和VOT竞赛，这里仅作示范，有兴趣可以去试试。（这么做的理论依据是：一篇论文，在它之前的工作可以看它的引用文献，之后的工作可以看谁引用了它；虽然引用量并不能说明什么，但好的方法大家基本都会引用的；之后还可以通过限定时间来查看某段时间的相关论文，如2016-2017就能找到最新的论文了，至于论文质量需要仔细甄别；其他方向的重要论文也可以这么用，顺藤摸瓜，然后你就知道大牛是哪几位，接着关注跟踪一下他们的工作(以上小技巧，如果你不知道，不谢！）这样我们就大致就知道目标跟踪领域的最大发展应该就是相关滤波无疑了，再往后还能看到相关滤波类算法有SAMF, LCT, HCF, SRDCF等等。引用量也与时间有关，建议分每年来看，这里就不贴图了(相关滤波类新论文也可以通过引用KCF的论文去找)。此外，最新版本OPENCV3.2除了TLD，也包括了几个很新的跟踪算法 OpenCV: Tracking API：

TrackerKCF接口实现了KCF和CN，影响力可见一斑，这一点就可以说明很多问题了，还有个GOTURN是基于深度学习的方法，虽然在GPU上跑100FPS，在VOT2014上接近DSST，在OTB上远不如KCF，与同样发表在ECCV2016的SiamFC差太多了，而后者在GPU上也可以跑83FPS，GOTURN虽然是高速深度学习方法的开山之作，但性能一般，OPENCV加入这个方法窃以为太激进了。
以上就是2012年以前目标跟踪算法的大致情况，之后就是相关滤波和深度学习崛起了！