? ? ?? 原文鏈接：http://blog.csdn.net/ikerpeng/article/details/19235391

? ?? ? 用到論文，直接看翻譯。

? ?? ? 文章：Robust object tracking with on-line ?multiple instance learning?? Boris Babenko, Student Member, IEEE, Ming-Hsuan Yang, Senior Member, IEEE?and Serge Belongie, Member, IEEE ；PAMI ，2011.

? ?? ?? 文章開頭就說的明了：本文的tracking只給定了第一幀目標(biāo)的位置，沒有其余的信息了（上一篇論文是拿了前10幀的圖片來訓(xùn)練的）。本文解決的問題同樣是on-line tracking出現(xiàn)的漂移的問題（Slight inaccuracies in the tracker can therefore lead to incorrectly labeled sample）。使用的方法是：MIL。特點是：調(diào)節(jié)的參數(shù)少。（BTW：其中提到了一個叫做bootstrap的概念，通俗的將就是對已有的觀測樣本反復(fù)的有放回抽樣，通過多次計算這些放回抽樣的結(jié)果，獲取統(tǒng)計量的分布。）

? ? ? ? 接下來，文章介紹了跟蹤中當(dāng)前存在的主要挑戰(zhàn): 1、形變所產(chǎn)生的巨烈的表觀的變化；2、平面外的旋轉(zhuǎn)；3、場景光照度的變化。 同時，介紹了典型的跟蹤系統(tǒng)的三個組成部分：1、appearance model，估計跟蹤目標(biāo)在特定位置的可能性； 2、 motion model ，同跟蹤物體隨時間改變的位置有關(guān)；3、a search strategy for finding，找到當(dāng)前幀中目標(biāo)最有可能的位置。本文重點放在第一部分，作者想達(dá)到的目標(biāo)是能夠跟蹤到部分遮擋的物體而不出現(xiàn)明顯的漂移，并且只有較少的參數(shù)。

? ? ? ? 對于appearance model的設(shè)計，一般有兩種考慮。一種是只model 目標(biāo)；另一種是將目標(biāo)和背景都model。而后者其他領(lǐng)域已經(jīng)取得了成功。參見后者，在on-line tracking中，常用的更新自適應(yīng)appearance model的方法是：將當(dāng)前tracker的位置作為正樣本（有的時候也擴(kuò)展非常鄰近的位置作為正樣本），將這個位置周圍的位置作為負(fù)樣本來更新appearance model。這也使得漂移的產(chǎn)生成為可能。為了解決這個問題，引入了半監(jiān)督的方法。如Grabner et al.提出的semi-supervised的方法，將tracker得到的目標(biāo)都認(rèn)為是無標(biāo)簽的樣本，而只有第一幀中的樣本是有標(biāo)簽的。然后通過聚類的方法給定這些無標(biāo)簽樣本一個偽標(biāo)簽，在繼續(xù)使用有標(biāo)簽的方法進(jìn)行跟蹤。這個方法沒有充分的利用到視頻中有用信息，比如說相鄰的幀之間的變化非常的小等等。tracker所得到的樣本標(biāo)簽的模糊性促使multiple instance learning（MIL）的提出。MIL的基本思想是，在訓(xùn)練的過程中，樣本不再是單個的patch塊，而是將多個patch塊放在一個小的樣本集（稱作bag）里。整個小的樣本集（bag）有一個標(biāo)簽。又規(guī)定，若是這個bag里面至少有一個正樣本，那么它的標(biāo)簽就是正的，反之就是負(fù)的。由這些小的樣本集組成整個的training set。這樣做的原因是學(xué)習(xí)的過程對于找到?jīng)Q策的邊界有更好的靈活性。

? ? ? ?? 對于tracker得到的或是擴(kuò)展得到的圖像patch塊，計算出每個patch塊的Harr-like特征，對于每一個圖像patch塊x，都由Harr-like特征的feature vector表示。對于每一幀待檢測的圖像，提取一個patch塊的集合，這個集合滿足：。其中，l(x)表示x patch塊的位置，l*t-1表示前一幀的目標(biāo)位置，s為參數(shù)，度量patch塊與前一幀目標(biāo)位置的最大距離。得到的是一個目標(biāo)的可能位置的集合。然后計算這個集合里面所有patch塊的概率p（y=1| x），選出概率最高的patch塊作為當(dāng)前的目標(biāo)的位置。在得到目標(biāo)的位置以后，擴(kuò)展樣本：通過擴(kuò)展正樣本，放在一個bag里面，標(biāo)簽為正；通過擴(kuò)展負(fù)樣本（不放在一個bag里面），標(biāo)簽為負(fù)。?每一次的motion model里面只保留似然概率最大的那一個樣本。（這部分是MIL特色的地方）

? ????? 同時也可以考慮引入尺度變換參數(shù)，這樣的好處是結(jié)果可以更加的準(zhǔn)確；壞處是增加了參數(shù)的空間維度。可根據(jù)需求決定。

? ? ?? 所以問題的關(guān)鍵是要求得使得概率最高時的那個bag（集合X），即：argmax（L），? （*）。根據(jù)NOR model 知道?，所以求概率的最大值就轉(zhuǎn)化為求（*）的最大值。但是這種算法不能夠應(yīng)用到on-line的tracking當(dāng)中，因為它需要一次得到全部的數(shù)據(jù)（it needs the entire training dataset at once）。

? ????? 于是，仿造on-line boosting的方法，構(gòu)造on-line MIL算法。

? ???? 首先，由第一幀得到的信息，擴(kuò)展正負(fù)樣本，形成一組由patch塊集合組成的數(shù)據(jù)集bags（帶標(biāo)簽的）；

? ? ?? 然后，計算各個patch塊的harr-like特征向量，用它來表示每一個image patch 塊。樣本的特征的條件概率分布滿足高斯分布，均值和方差分別通過新得到樣本更新，再由貝葉斯法則得到它的概率；

? ? ?? 然后，構(gòu)造一組M個弱分類；通過公式來構(gòu)造。

? ???? 接下來，（用motion model 根據(jù)上一幀目標(biāo)的位置，擴(kuò)展目標(biāo)的可能位置；根據(jù)公式：。？）還是從M個弱分類器中選出響應(yīng)最好的K個強(qiáng)分類器；

? ???? 然后，計算上面得到的目標(biāo)位置集合中樣本的似然概率的最大值，并將這個樣本作為當(dāng)前幀目標(biāo)的位置；概率可以由sigmoid函數(shù)表示，又根據(jù)NOR model知道，又為了方便計算，對數(shù)化這個值在轉(zhuǎn)化為求的最大值。

? ???? 最后，由上面更新的目標(biāo)的位置，跟新分類器，如此在迭代上述過程。

? ? ? 個人覺得這篇文章的思想非常的新穎。漂移問題是on-line tracking最主要的問題。引起漂移最主要的原因就是，分類器更新時使用的樣本本身的準(zhǔn)確率存在問題。為了解決這個問題。有的作者采取的方式是放棄掉tracker得到的結(jié)果。將這些得到的patch塊認(rèn)為是無標(biāo)簽的，再通過聚類的方式得到一個偽標(biāo)簽，再通過有標(biāo)簽的方式來訓(xùn)練分類器。很顯然這樣的結(jié)果可以很好的解決目標(biāo)跑出視頻的情況。當(dāng)目標(biāo)再一次出現(xiàn)的時候可以繼續(xù)跟蹤到。但是，這樣浪費掉了很多的有用信息。同時，增加了偽標(biāo)簽的求解過程，速度應(yīng)該比on-line boosting方法還要慢。而本文作者處理的方式是：既然所得到的樣本標(biāo)簽的準(zhǔn)確率有問題，那么對得到的樣本進(jìn)行擴(kuò)展，作為一個事件集。選出里面錯誤率最低的時間來更新目標(biāo)的位置，也由此來更新分類器。準(zhǔn)確率和速度都會好很多。

? ?? 問題：

? ? （1）文章中最終的算法（3.4）的數(shù)據(jù)集是通過tracker的location擴(kuò)展得到嗎？

? ? （2）文章中3.1提到的 用motion model 根據(jù)上一幀目標(biāo)的位置，擴(kuò)展目標(biāo)的可能位置，選出最有可能的位置即為目標(biāo)的位置。既然已經(jīng)得到了目標(biāo)的位置，那為什么還要使用分類器啊？（具體是這樣操作的，依照公式：得到可能的location的集合。再來計算最大似然概率，得到目標(biāo)的位置。）

總結(jié)

以上是生活随笔為你收集整理的ObjecT4：On-line multiple instance learning （MIL）学习的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。