摘要：在這篇論文中，作者提出一種魯棒視覺跟蹤的多工相關粒子濾波琪跟蹤演算法（MCPF)。作者首先向我們展示了多工相關濾波器，該濾波器在訓練濾波器模板的時候可以學習不同特徵之間的聯絡。本文提出的MCPF旨在挖掘MCF和粒子濾波的效能，同時使其二者互補。與現存的相關濾波器和粒子濾波器相比，本文提出的演算法有以下幾大優點：1、本文提出的演算法可以通過MCF使取樣粒子聚焦在目標可能的位置，從而具有較強的魯棒性；2、本演算法通過粒子取樣策略可以有效地解決大尺度變化問題；3、與傳統的粒子濾波器相比，本文可以使用較少的取樣粒子有效地保持模式地多樣性，從而較低計算上地消耗。額外地實驗證明本演算法與其他現存地演算法相比局議員較好地效能。

　　引言：視覺跟蹤在計算機領域中是一個重要的分支，在生活中有很多地應用，比如視訊監控、運動分析、自動駕駛等。目前視覺跟蹤地主要挑戰在於長時間內目標外表特徵地變化。儘管近些年來視覺跟蹤取得了很大的進步，但編寫魯棒性強地演算法仍是一件困難的事，因為我們所要跟蹤的目標自身帶有很多視覺上的變化，比如光強的變化、快速運動、姿態變化、部分遮擋、背景融合。

　　相關濾波最近被應用到視覺跟蹤任務中，並且取得了不錯的魯棒性以及極快地跟蹤速度。意識到CNN在目標檢測領域取得了巨大的成就，少數學者將CNN特徵用於目標跟蹤。經驗主義地研究人員利用大型視覺跟蹤庫證實了採用CNN特徵地跟蹤演算法地效能好於基於手工特徵地跟蹤演算法。

　　儘管基於CNN特徵地跟蹤演算法取得了良好地跟蹤效能，但是基於CNN的相關濾波演算法仍具有以下幾個不足：1、在訓練相關濾波器時，僅僅對每層特徵單獨訓練，而沒有考慮不同特徵層之間的相互聯絡。為此本文提出MCF用於學習不同特徵層之間的聯絡，提高跟蹤的效能。2、現存的跟蹤演算法沒有很好地解決目標尺度變化的問題。Danelljan教授等人採用多尺度相關濾波的方式解決尺度變化問題，然而實驗結果顯示，效果並不好。為了解決這個問題，本文采用粒子濾波器來解決尺度變化的問題。

　　一般來說，取樣粒子越多跟蹤魯棒性越好，然而過多的粒子會導致計算時間的大量增加。每個取樣粒子都會有個目標狀態，各個粒子之間不相互干涉。如果取樣粒子沒有覆蓋目標的狀態，那麼預測的目標狀態就不是有效的。為了解決這一問題，最好的方法是將取樣粒子聚集在目標狀態分步的區域。在這一部分，本文勘探MCF和粒子濾波器的能力，並將這二者有機結合互相補充。1、粒子濾波通過之前的密度取樣技巧，獲得一個目標的概率圖。得益於密擦取樣，獲得的目標狀態圖可以解決目標的尺度變化。2、對於每一個取樣粒子將之視為一個樣本，利用MCF處理，得到一個相應相應圖，其中最大值指向該粒子。毫無疑問每個密集取樣粒子都都會覆蓋一個狀態子空間，因此我們沒必要使用較多的粒子來獲得較多的目標狀態，從而會降低計算所花費的時間。

本文提出了一個用於目標魯棒跟蹤的MCFP跟蹤演算法，該演算法繼承了粒子濾波和相關濾波的優點，如對於尺度變化的魯棒性和計算的高效性。本演算法的貢獻在於以下幾點：1、本演算法學習不同特徵層之間的聯絡；2、本演算法可以有效地解決尺度變化問題。3、本演算法利用MCF將取樣粒子聚焦在目標狀態分步集上。在跟蹤時，目標狀態的取值是所有粒子權重的平均值。

相關論文

　　在本節中，討論與本文相關的一些方法，主要是相關濾波和粒子濾波。

　　相關濾波：Different from existing tracking methods based on correlation filters, we propose a multi-task correlation filter to exploit interdependencies among different features to learn their correlation filters jointly.

　　與現存的基於相關濾波的演算法不同，本文提出一種多工相關濾波學習不同特徵之間的聯絡。

　　粒子濾波：在視覺跟蹤中，粒子濾波或者說連續性蒙特卡洛方法被廣泛採用。為了更好的魯棒性，需要大量的取樣粒子保證完全覆蓋目標狀態。

　　Different from the above methods, we adopt a multi-task correlation filter to shepherd particles toward the modes of a target state distribution and thereby reduce the number of particles and computational cost.

本文演算法

　　對於本文學習的Z，1、每個特徵對應的Zi，在下一幀中只有少數幾個位置可能會被選擇，理想情況下只有一個位置會被用於預測下一位置。2、不同特徵對應的相應圖應該有相似的運動規律。