所謂AR（Augmented Reality，增強(qiáng)現(xiàn)實(shí))廣義上來說就是在現(xiàn)實(shí)環(huán)境上疊加虛擬場景，區(qū)別于VR，理解真實(shí)環(huán)境是AR的基本點(diǎn)?；谄矫鎴D的視覺跟蹤是AR的核心技術(shù)之一，據(jù)雷鋒網(wǎng)了解到，盡管目前AR發(fā)展迅速，但是計(jì)算機(jī)視覺算法在處理平面跟蹤時(shí)依然還有很多不足，在平面圖片傾斜、陰影、遮擋、運(yùn)動狀態(tài)下，AR的識別跟蹤還不穩(wěn)定。

雷鋒網(wǎng)獲知，國內(nèi)AR公司亮風(fēng)臺研發(fā)出基于圖的平面物體跟蹤算法，該可在強(qiáng)干擾的場景下實(shí)現(xiàn)快速且準(zhǔn)確的平面跟蹤。其成果論文已被人工智能領(lǐng)域國際頂級期刊《PAMI》（IEEE模式分析和機(jī)器智能匯刊）錄用，即將于2018年正式刊出。

該論文主要實(shí)現(xiàn)了：

• 提出將圖模型和圖匹配機(jī)制運(yùn)用于平面物體跟蹤。

• 設(shè)計(jì)了一種能預(yù)測物體姿態(tài)和關(guān)鍵點(diǎn)匹配的新策略，并把這種策略集成到最優(yōu)解尋找的問題中。

• 設(shè)計(jì)了一個(gè)帶有標(biāo)注的真實(shí)場景數(shù)據(jù)庫，這個(gè)數(shù)據(jù)庫可以用來評估快速移動下的視覺跟蹤。

 

作者介紹

凌海濱，亮風(fēng)臺首席科學(xué)家，Temple大學(xué)終身教授，曾就職于微軟亞洲研究院、西門子美國研究院。在T-PAMI、IJCV、T-IP、CVPR、ICCV、ECCV、AAAI、MICCAI等AI相關(guān)領(lǐng)域國際權(quán)威雜志和頂級會議上發(fā)表論文140余篇，曾任權(quán)威會議Area Chair、IEEE PAMI 編委，也是美國NSF Career Award獲得者。

王濤，北京交通大學(xué)碩博，主持和參與包括國家自然科學(xué)基金項(xiàng)目在內(nèi)的科研項(xiàng)目20余項(xiàng)。以第一作者在AAAI、CVIU等國際學(xué)術(shù)會議和期刊發(fā)表論文10余篇。目前主要研究方向?yàn)榛趫D模型的圖像語義理解和計(jì)算。

下文內(nèi)容由亮風(fēng)臺編譯自論文原文，雷鋒網(wǎng)經(jīng)授權(quán)選編。

基于圖的跟蹤算法：Gracker

基于圖的跟蹤算法Gracker能夠充分利用物體的結(jié)構(gòu)信息來提高跟蹤性能。為了表示物體的結(jié)構(gòu)，我們將平面物體建模為一個(gè)圖而不是簡單的關(guān)鍵點(diǎn)集合。如此，將跟蹤問題轉(zhuǎn)化為圖匹配問題，利用幾何圖匹配算法建立關(guān)鍵點(diǎn)的對應(yīng)關(guān)系。

Gracker算法的框架

具體地說，我們用圖對平面物體建模，圖的頂點(diǎn)由可靠的自動選擇機(jī)制生成而不是傳統(tǒng)的基于HoG的檢測子。這種機(jī)制使得圖結(jié)構(gòu)更加穩(wěn)定，因此本方法對極端環(huán)境變量具有魯棒性，例如極端照度條件和運(yùn)動模糊。

除此之外，我們把特征對應(yīng)和姿態(tài)估計(jì)集成在一個(gè)統(tǒng)一的幾何圖匹配框架中。幾何圖中的二元限制條件能夠?qū)θ謳缀侮P(guān)系編碼，這樣Gracker算法對各種幾何和光學(xué)變換更具有魯棒性和精確性。

如何構(gòu)造圖

將目標(biāo)表示為無向圖，而不是一堆局部部件或者星形模型。給定目標(biāo)圖GM和候選圖GC，我們的目標(biāo)是找到他們之間的最優(yōu)對應(yīng)關(guān)系，然后根據(jù)對應(yīng)結(jié)果決定最優(yōu)的目標(biāo)狀態(tài)?？梢园慈缦路绞綐?gòu)造目標(biāo)物體的模型圖：

1. 生成頂點(diǎn)：我們提取每一幀的關(guān)鍵點(diǎn)來表示局部部分，然后建模為圖的頂點(diǎn)。經(jīng)典算法是通過搜尋不同縮放尺寸的DoG圖像的局部最小/最大值來獲得關(guān)鍵點(diǎn)，比如SIFT。然而關(guān)鍵點(diǎn)的數(shù)量會隨著檢測子和幀背景的變化而變化。另外，SIFT容易受到不同環(huán)境變化影響，例如：照度變化和運(yùn)動模糊，這不利于跟蹤精度。我們采用更魯棒的方法提取關(guān)鍵點(diǎn)：首先對每個(gè)像素R計(jì)算SIFT響應(yīng)，隨后我們將R等分為N個(gè)網(wǎng)格，從每個(gè)網(wǎng)格中取最大的SIFT響應(yīng)作為這個(gè)網(wǎng)格的關(guān)鍵點(diǎn)，將所選取的關(guān)鍵點(diǎn)建模為圖的節(jié)點(diǎn)，然后計(jì)算它們的描述子作為這個(gè)節(jié)點(diǎn)的屬性。

2. 生成邊：現(xiàn)存幾種普遍的邊生存方法，比如鄰域圖，K最近鄰圖和全連通圖。全連通圖包含了大量的結(jié)構(gòu)信息，但是它占用太多存儲空間和計(jì)算時(shí)間，因此并不適用于實(shí)時(shí)應(yīng)用。鄰域圖依賴于參數(shù)的選取，而且受到物體縮放問題的影響。我們使用狄洛尼三角剖分構(gòu)建圖的邊，因?yàn)樗哂衅揭啤⒖s放和旋轉(zhuǎn)不變性。

對每一個(gè)輸入幀，我們用同樣方式構(gòu)造一個(gè)候選圖Gt，然后將匹配問題表達(dá)為圖匹配問題。

圖匹配

給定規(guī)模為N的模型圖和候選圖，匹配問題可以視為尋找GM和Gt頂點(diǎn)的對應(yīng)關(guān)系。一般的圖匹配問題中，兩個(gè)頂點(diǎn)集間的變換通常不被考慮，因?yàn)槿狈ο闰?yàn)知識。而對于物體跟蹤，我們可以利用先前幀的變換信息引導(dǎo)匹配。我們提出了一種幾何圖匹配（GGM）框架將變換線索融入圖匹配。傳統(tǒng)的基于匹配的跟蹤方法將特征匹配和變換估計(jì)區(qū)分計(jì)算，GMM方法的不同在于將特征匹配和變換估計(jì)結(jié)合成一個(gè)統(tǒng)一的框架。

Gracker算法效果

為了系統(tǒng)地評估算法，我們采用了兩個(gè)常用的基準(zhǔn)數(shù)據(jù)庫，UCSB[1]和TMT[2],和一個(gè)我們收集的快速運(yùn)動數(shù)據(jù)庫。下面我們比較了Gracker和其他三個(gè)基準(zhǔn)算法Struck[3], IC[4], ESM[5]在兩個(gè)基準(zhǔn)數(shù)據(jù)庫和我們收集的數(shù)據(jù)庫上的結(jié)果。

縮放：下圖是弱紋理的落日圖片?？梢钥吹絀C和Struck算法出現(xiàn)目標(biāo)丟失情況，而ESM和Gracker算法給出更精確的結(jié)果。

傾斜：下圖書本傾斜的例子揭示了IC，ESM和Gracker算法對傾斜具有魯棒性，而當(dāng)物體處于極端傾斜的情況下，Struck算法未能捕捉到對象物體。

平移和旋轉(zhuǎn)：所有的算法都能處理小角度旋轉(zhuǎn)，但是大角度情況下，只有ESM和Gracker比較魯棒。在360幀之后由于運(yùn)動模糊，ESM算法變得不精確，而Gracker算法在所有幀中更穩(wěn)定。

遮擋和光線：下圖給出了幾種算法在正常和黑暗的光照條件下的部分遮擋的實(shí)驗(yàn)結(jié)果?；谀０宓乃惴ㄈ鏘C和ESM受到部分遮擋的影響。相反，基于匹配的算法Struck和Gracker對部分遮擋更魯棒。在黑暗光照條件下，Struck算法精度相對較低，因?yàn)槠涫褂玫幕贖oG的檢測子在黑暗光照條件下檢測到的關(guān)鍵點(diǎn)不可靠。而我們提出的Gracker算法在光線變化的情況下更魯棒。

運(yùn)動模糊：IC和Struck算法對運(yùn)動模糊很敏感，所以從很早開始直到視頻結(jié)束都丟失了目標(biāo)。ESM算法基本上在每一幀里面都捕捉到了對象物體，但是捕捉到的位置并不準(zhǔn)確。相反，我們提出的Gracker在所有的幀里都給出了更加準(zhǔn)確的結(jié)果。

復(fù)合運(yùn)動變換：下圖顯示了集平移，旋轉(zhuǎn)，傾斜和輕微的非線性變換的復(fù)合變換。從比較中我們可以看到，我們的Gracker算法給出了最好的跟蹤結(jié)果。

部分參考文獻(xiàn)：

[1] S. Gauglitz, T. Hollerer, and M. Turk. Evaluation of interest point detectors and feature descriptors for visual tracking. IJCV, 94(3):335– 360, 2011.

[2] A. Roy, X. Zhang, N. Wolleb, C. P. Quintero, and M. J¨agersand. Tracking benchmark and evaluation for manipulation tasks. In ICRA, pages 2448– 2453, 2015.

[3] S. Hare, A. Saffari, and P. H. S. Torr. Efficient online structured output learning for keypoing-based object tracking. In CVPR, pages 1894–1901, 2012.

[4] S. Baker and lain A. Matthews. Lucas-kanade 20 years on: A unifying framework. IJCV, 56(3):221–255, 2004.

[5] E. Malis. Improving vision-based control using efficient second-order minimization techniques. In ICRA, pages 1843–1848, 2004.

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。