手工特征与深度跟踪器：视觉目标跟踪近期方法与趋势

近年来视觉目标跟踪已成为非常活跃的研究领域。每年提出的跟踪算法数量不断增加。这是因为跟踪在诸多现实世界问题中具有广泛应用，例如人机交互、自动驾驶车辆、机器人、监控与安全等。在当前研究中，我们综述跟踪领域的最新趋势与进展，并基于特征提取方法评估不同跟踪器的鲁棒性。本工作的第一部分包括对近期提出的跟踪器的全面调研。我们将跟踪器宽泛地分为基于相关滤波的跟踪器（CFTs）和非CFTs。每一类根据架构和跟踪机制进一步分为多种类型。在第二部分，我们对24个近期跟踪器进行实验评估以考察鲁棒性，并比较了基于手工特征和深度特征的跟踪器。我们观察到使用深度特征的跟踪器表现更好，尽管在某些情况下两者的融合显著提升了性能。为克服现有基准的缺点，我们还提出并使用了一个新的基准Object Tracking and Temple Color（OTTC）来评估不同算法。我们在OTTC及其他三个基准的十一项不同挑战上分析了跟踪器的性能。我们的研究得出结论：基于判别相关滤波（DCF）的跟踪器表现优于其他跟踪器。我们的研究还揭示，在DCF上加入不同类型的正则化往往能提升跟踪性能。最后，我们总结研究并指出视觉目标跟踪领域的一些见解与未来趋势。