Staple: Complementary Learners For Real-time Tracking Tracking

转载注明出处：

http://www.cnblogs.com/sysuzyq/p/6169414.html

By 少侠阿朱

讨论班上的PPT

1.同学大家好。今天给大家讲一篇单目标跟踪的论文，方法比较传统，但是我觉得比较实用。不过，公式非常多，有一定难度。不过，大家别害怕，因为我看了作者代码，可以说说怎么做的，大家别太关注公式。

但是我们先大体浏览一遍公式，再讲一下代码实现。有兴趣可以课后看看。

2.作者发现啊，有时候颜色分布不足以将目标和背景区分开来。相反有时候像HOG这样的模板在应对剧烈形变的时候往往效果很差。

3.那么作者针对这个问题做了些相关工作，第一个就是说像卷积滤波器就对剧烈形变不鲁棒，这是他们的先天缺陷。第二个就是在线学习带来的模型漂移，这是什么意思呢？现在很多算法都是假设当前预测的是对的，

然后把预测当做正样本来训练，更新模型。也就是说，一旦预测不对，后面也跟着错。学习多个弱的跟踪器或者是学习一个能变动的模板，比如DPM等等。但是这些方法效果都不是很好。

而作者发现，直方图特征是不考虑像素的位置，这在一定程度上可以减少形变带来的影响，而在目标颜色和背景颜色区分力度不够的时候，CF的鲁棒性比较强。所以作者就提出能不能结合他们来做跟踪。

4.大家看一下这两个方程，第一个的意思是，对于t帧，我选择一个pt使得得分函数f的值最大。

第二个是说我要取得一组cita使得整个损失函数最小。这个L是和前面帧的目标位置有关的一个函数。R是正则项。

5.那我们先来看一下f是什么，f由两项组成，一项是模板的得分，第二项是直方图得分。这个公式真么意思呢？假设一张图像x用Z~2表示，则T是x中的某一个patch，u代表patch中一个像素位置，h[]学习到的模板，

大家可以理解为这个式子就是HOG模板h和这个patch的HOG特征（通过fine函数算出来）对应位置的值相乘，然后求和，作为当前点u的响应值。这是卷积操作。整个式子相当于是CF滤波器。

6.

那么直方图得分怎么求的呢。我感觉作者这里写的有点含糊，但是看代码的时候，我才懂，这个beta是对每个点来说的，就是每个点都有一个beta，如果这是三通道的图片，那么beta就是一个尺度为3的向量。

代表着这个属于object的概率。那么后半部分就是对一个框内的所有的概率作为积分和，作为这点是目标中心的概率。

7.再看损失函数。Lossfunction是每张图像的loss的和，这是一个非凸函数，虽然可以求解出便捷，比如Struck算法。但是计算非常复杂和消耗资源。

8.所以作者提出用两个岭回归来求解这个问题，就是把对h的求解和beta的求解分开来。H可以通过cf的公式求解，对于β，作者提出了另外的快速求解方法。至于很细的求解过程我们过一遍就好了，我们主要关注怎么实现。

9.这里求解的时候，作者来个小插曲，就是讲了一下最小二乘的求解，这里大家留意一点，就是这些求得参数，他是一种递归的形式，就是说，当前的参数与过去t-1帧的参数和当前帧t的参数有关。

11.通过这种类似的方式，作者求得卷积滤波器的模板参数h，和他的更新方式。所以这个模板是一个频域上的模板，其中模板的参数dt’和rt’从HOG特征图的傅里叶变换中计算得到，同时由dt和rt可以计算得到新的模板。

还有直方图的参数和直方图更新方式。

13.ψ 相当于取第j维，比如图像有3维。βT ψ[u] 计算的是第j通道的图像，u点属于前景的概率。其中N j(O)
表示第j通道上，点u落在O区域的直方图对应的bin，这个bin的数值，也就是O的中属于这个bin的点数。

18.(TRE)：把视频划分成 20 段，从每帧开始运行直到完，计算总体结果。

(SRE)：在第一帧使用8个空间偏移（其中4个中心偏移和4个角偏移，都为目标尺寸的10%）和4个尺度偏移（0.8,0.9,1.1 和 1.2）。共运行12次。

付论文注释：