狠狠撸

CVPR2015読み会
Joint ?Tracking ?and ?Segmentation ?
of ?Multiple ?Targets
@yuukicammy
2015.7.20

紹介する研究
? タイトル
? “Joint ?Tracking ?and ?Segmentation ?of ?Multiple ?Targets”
? 著者
? Anton ?Milan, ?Laura ?Leal-‐??Taixe??, ?Konrad ?Schindler, ?Ian ?Reid
? Multiple ?Object ?Tracking ?Benchmark ?(MOTChallenge) ?の主催者た
ち
http://motchallenge.net/
? ソースコードが公開されている
? MOTChallengeでの順位
? 現在は13位であるが，コードを公開しているTrackerの中では最上位
(2015.7.19現在)
? 11位以上は全てAnonymous ?submission(ほぼICCV2015投稿中のた
め)
《CVPR2015読み会》コンピュータビジョン勉強会＠関東 1

概要
? ?目的
? 複数物体をトラッキング
? 解決したい課題
? ??長時間に渡って部分的なオクルージョンが続く
ような混雑したシーンでは依然正確に追跡する
ことは困難
? アプローチ
? CRFを使って時空間セグメンテーションを?行行う
? 実験結果
? 複数のstate-?‐of-?‐the-?‐art
?tracking-?‐by-?‐detectionアプローチよりリコールが10%
改善し、IDスイッチを減らした

Contribution
? 従来よりも多くの画像のエビデンスを使ったCRFモデル
? 画像のエビデンス：物体検出の結果やスーパーピクセル
? あらかじめ物体の数を固定しない完全?自動のセグメンテーショ
ン＆トラッキング
? オクルージョンを扱う状態表現を?工夫した

問題設定
? ?入?力力
? F枚のフレームから成るビデオシーケンス
? 出?力力
? 全フレーム内の全ターゲットのラベル付きbounding
?box(BBox)

従来?手法 – Tracking-?‐by-?‐Detection
?–
? 検出結果をノードとみなして各ノードに
ターゲットIDを割り当てる
? 問題に制約を設けて全体最適解
? 局所最適解を?見見つける
? 最近のアプローチ
? 整数線形計画問題
? ネットワークフロー問題
? 01?二次計画問題
? エネルギー最?小化
? 最?大クリーク問題
? 重み付き最?大独?立立集合問題
…
? 多くの?手法は検出結果しか使っていない
→もっと低次元の画像情報も活かそう！

従来?手法 – Segmentation
?and
?Tracking
?–
? ビデオセグメンテーション
? Voxel(volume
?pixel)にラベルを割り当てる
? ラベルの数(ターゲットの数)が固定
? ターゲットの状態(位置など)はセグメンテー
ション結果からしか推定していないため，オ
クルージョンに弱い
→ターゲットの数を固定しない！
→オクルージョン状態をモデル化しよう！

提案?手法
? ?目標
? 全フレーム内の全ターゲットの
bounding
?box(BBox)を求める
? キーアイディア
? ビデオセグメンテーションにBBox表現
を加える！
? アプローチ
? ターゲット検出結果とスーパーピクセ
ルにラベル(ターゲットID)を割り当てる
? ラベルの割り当てをマルチラベルの
CRF(conditional
?random
?field)として解く
? α拡張を使って局所最適解を求める
?力力技！！！

フロー
TSP(TemporalSuperPixel)の構築
HOG&HOF+SVMでターゲット検出
SVMで前景/背景の?色学習
単項ポテンシャルを計算
組ポテンシャルを計算
CRFを?用いて解くことでラベル付与
全フレーム内の初期軌跡を?生成
最終的な軌跡を?生成

CRFのエネルギー関数
単項ポテンシャル組ポテンシャル
:検出結果のノードdにあるラベルを割り当てるコスト
:セグメンテーションノードsにあるラベルを割り当てるコスト
:ノードvとwへ同じラベルを割り当てるコスト
:軌跡の位置や動きに関するコスト
:
?ノード (スーパーピクセルと検出結果)
:
?エッジ(空間的隣隣接，時間的隣隣接，検出結果とスーパーピクセル）
※数式はわりと適当だったのでスライドで追いません

軌跡表現
? 軌跡
? 各ターゲットの軌跡をBBox(x,y,w,h)の時空間チューブとして4Dスプライ
ンを?用いて表す
(?, ?):
?画像内の?足元位置(Bboxの中央下)
(?, ?):
?Bboxの横幅と?高さ

ターゲット検出
? HOG(Histogram
?of
?Oriented
?Gradients)と
HOF(Histograms
?of
?Flow)＋線形SVM を?用い
た?一般的な?人物検出
? 検出結果も公開されている
http://www.milanton.de/data.html

初期軌跡の?生成
? 検出結果のノードをからDP[*]とContext-?‐free
?
Tracker[**]を?用いて軌跡を伸ばしたり短くし
たり(削除したり)することで初期軌跡を得る
? この結果から，ラベル
の数Nが決まる！
ラベル集合
[*]H. Pirsiavash, D. Ramanan, and C. C. Fowlkes. Globally optimal greedy algorithms
for tracking a variable number of objects. In CVPR 2011
[**] J. Henriques, R. Caseiro, P. Martins, and J. Batista. Exploiting the circulant structure
of tracking-by-detection with kernels. In ECCV 2012

TSP(Temporal
?Super
?Pixel)の構築
? Chang[*]らの?手法を?用いて各フレームの
スーパーピクセル化と隣隣接フレーム間の
スーパーピクセルの対応を求める
[*] J.Chang,D.Wei,andJ.W.FisherIII.A video representation using
temporal superpixels. In CVPR 2013

前景/背景の?色学習
? ネガティブサンプル(背景)
? 検出された BBoxの外側のプーパーピクセル
? ポジティブサンプル(前景)
? ネガティブサンプルのスーパーピクセルのLab?色
空間の平均値をk-?‐meansで5つのクラスタへクラ
スタリング
? 全てのスーパーピクセルに対して?一番近いクラ
スタ中?心との距離離から遠い順並べた5%のスー
パーピクセルをポジティブサンプルにする

前景らしさのスコア化
? 前景/背景分離離を?行行う識識別器を線形SVM
で学習
? 特徴量量：スーパーピクセルのLab?色空間の平
均値
? スーパーピクセルiの前景らしさ
score:
?SVMの識識別超平?面からの符号付距離離
スーパーピクセルの前景らしさ

単項ポテンシャルの計算
? 検出結果のノード
? スーパーピクセル
? ?色
? オプティカルフロー

? 検出結果のノードにターゲットj
のラベルを割り当てるコスト
? Di:
?検出結果のBbox
? Tj:
?ターゲットjの軌跡
? 空集合(誰にも割り当てない)コスト
? 検出の信頼値を?用いる

? ?色
スーパーピクセルSiにターゲットjを割り当て
るコスト
空集合を割り当てるコスト

? 検出結果のノード
? オプティカルフロー
軌跡の速度度とスーパーピクセルのオプティカ
ルフローの平均の近さから求める

組ポテンシャルの計算
? 組ポテンシャル：エッジコスト
? エッジ：
? (スーパーピクセルの)空間的隣隣接
? (スーパーピクセルの)時間的隣隣接
? 検出結果とスーパーピクセルの対応関係
(スーパーピクセルの)

? (スーパーピクセルの)空間的隣隣接?時間的
隣隣のコスト
? スーパーピクセルのLab?色空間における平
均値の距離離
? 時間的隣隣接関係はTSPで求められる

? 検出結果とスーパーピクセルの対応関係
? オーパーラップがあればエッジで繋がる
? コスト
? 検出の信頼値＊前景らしさから求められる
スーパーピクセ
ルの前景らしさ

軌跡コスト
(スーパーピクセルの)
? 下記から軌跡コストを求める
? BBoxの?高さの?一貫性
? BBoxのアスペクト?比
? 速度度の?一貫性
? 軌跡を伸ばすかどうか
? Image
?likelihood？
? 軌跡が増えすぎないように

最適化することでラベル付け
? マルチラベルCRFをα拡張を?用いて解く
? α拡張
? 多値のグラフカットの近似最?小化?手法
? 今回のエネルギー関数はサブモジュラなの
で適?用可能
? ラベル1つづつに対して2値のグラフカット
を?行行う

? α拡張によってシーケンス全体にラベル
付けされた後にさらにさらに?手法[*]を?用
いて軌跡をリファイン
[*] A. Milan, K. Schindler, and S. Roth. Detection and trajectory-level exclusion
in multiple object tracking. In CVPR 2013.

実装
? MatlabとC++で実装されている
? ?手法のとおり，いろいろな?手法のコードがごちゃまぜ
? matlabがメインだけどliblinearもGSLもいるよ
? Antonさんのコードは共通の書き?方があるのでいくつも触ると
慣れてくる
? 遅い！！！メモリ?食う！！！
? TSPは全シーケンス?一括処理理
? 2.7
?GHz,
?1
?Coreで 0.2fpsも出ないのでは…

実験 -?‐追跡精度度-?‐
? MOT
?Challengeのベンチマークを使?用
? Dataset:
?Pets09(S2L1,
?S2L2,
?S2L3,
?S1L1-?‐2,
?S1L2-?‐1),
?TUDS
?
? 評価指標[*]
? TA(MOTA):
?This
?measure
?combines
?three
?error
?sources:
?false
?positives,
?missed
?
targets
?and
?identity
?switches
? TP(MOTP):
? The
?misalignment
?between
?the
?annotated
?and
?the
?predicted
?
bounding
?boxes
? MT(Mostly
?tracked
?targets):
?The
?ratio
?of
?ground-?‐truth
?trajectories
?that
?are
?
covered
?by
?a
?track
?hypothesis
?for
?at
?least
?80%
?of
?their
?respective
?life
?span
? ML(Mostly
?lost
?targets):
?The
?ratio
?of
?ground-?‐truth
?trajectories
?that
?are
?
covered
?by
?a
?track
?hypothesis
?for
?at
?most
?20%
?of
?their
?respective
?life
?span
? FM：The
?total
?number
?of
?times
?a
?trajectory
?is
?fragmented
?(i.e.
?interrupted
?
during
?tracking)
[*]Bernardin,
? K.
?&
?Stiefelhagen,
?R. Evaluating
?Multiple
?Object
?Tracking
?Performance:
?The
?
CLEAR
?MOT
?Metrics. Image
?and
?Video
?Processing, 2008(1):1-?‐10, 2008.

実験-?‐追跡精度度-?‐

実験-?‐追跡精度度他の?手法との?比較-?‐
? http://motchallenge.net/results/2D_MOT_2015/

まとめ
? 解決した(い)課題
? ??長時間に渡って部分的なオクルージョンが続くような混雑したシーンでは
依然正確に追跡することは困難
? アプローチ
? CRFを使って時空間セグメンテーションを?行行う
? CRFのエネルギー関数に検出結果から得られるBboxとTemporalSuperPixel(TPS)
で得られる結果とを融合させ従来より多くの画像のエビデンスを使う
? 実験結果
? MOTChallengeのベンチマークにて最新?手法を超える精度度を出した(当時)
? 所感
? ?力力技…
? 戦う?土俵を?自分で作っているのは素晴らしい！

狠狠撸

CVPR2015読み会 "Joint Tracking and Segmentation of Multiple Targets"

More Related Content

CVPR2015読み会 "Joint Tracking and Segmentation of Multiple Targets"