High-Speed Tracking with Kernelized Correlation Filters
2015年的一篇论文,可参考:http://blog.csdn.net/carrierlxksuper/article/details/46461245。
另参考:http://www.skyoung.org/kcf-tracking-method/
其中提到了redge regression(岭回归),可参考:http://www.cnblogs.com/zhangchaoyang/articles/2802806.html
这篇论文的第一个创新点,是用回归的思想和相关滤波产生联系,10年的那篇论文是用滤波的思想。
其次是用到了循环矩阵的性质。所有的循环矩阵可以通过DFT变成对角矩阵(不明白)。而对角矩阵之间的运算是element-wise的,这个就频率域是一样的了。
然后是用到了kernel trick,将特征转换到高维。通过使用循环矩阵的性质,提高kernel regression的速度。
在计算kernel时,通过对角的性质,将其转换到频域,能很容易的得到kernel correlation。
然后是多通道,也就是用到了HOG特征,也是我最想了解的,可惜作者说的并不多。
最后提到了linear kernel,有句结论,要想能fast element-wise,要么选择多通道,要么选择多样本,但不能同时得到(不理解)。
下面分析下代码。
和CSK的代码相比,这个代码量增加了不少,增加了很多函数,慢慢看。
首先分析下tracker.m这个函数,因为这个函数和CSK太像了,从熟人开始下手。
和CSK一样,首先得到一个以目标为中心的高斯函数分布并进行汉明窗口的处理。
进入循环。首先进行灰度和图像大小的处理。至此分成了两部分。
如果是第一帧,则首先得到背景框,然后提取图像特征xf(傅里叶域,这个函数稍后分析),根据kernel的不同形式,选择不同的kernel表达式,训练得到alpha。保留得到的alpha和xf。保存中心点位置,并绘图。
如果不是第一帧,首先得到新来背景和背景对应的特征zf,根据kernel type的不同,选择不同的detection表达式,得到kzf,进而得到response最大的点,即中心点。后面就与第一帧一样了:得到背景框,然后提取图像特征xf,根据kernel的不同形式,选择不同的kernel表达式,训练得到alpha。和第一帧的不同的地方就在于xf和alpha需要更新。
下面要分析的是get_features函数与各种核的correlation函数
High-Speed Tracking with Kernelized Correlation Filters的更多相关文章
- KCF:High-Speed Tracking with Kernelized Correlation Filters 的翻译与分析(一)。分享与转发请注明出处-作者:行于此路
High-Speed Tracking with Kernelized Correlation Filters 的翻译与分析 基于核相关滤波器的高速目标跟踪方法,简称KCF 写在前面,之所以对这篇文章 ...
- High-Speed Tracking with Kernelized Correlation Filters(二)
首先看看get_features函数. 首先判断是hog特征还是gray,分两种情况. 如果是hog特征,调用fhog函数,返回x,并将矩阵 ...
- Correlation Filter in Visual Tracking系列一:Visual Object Tracking using Adaptive Correlation Filters 论文笔记
Visual Object Tracking using Adaptive Correlation Filters 一文发表于2010的CVPR上,是笔者所知的第一篇将correlation filt ...
- Hign-Speed Tracking with Kernelzied Correlation Filters
reference:Hign-Speed Tracking with Kernelzied Correlation Filters questions: The core componet of mo ...
- call Kernelized Correlation Filters Tracker(Matab) in Qt(c++)
recently, i need call the KCF tracker in my graduation project. the KCF tracker is fast and best per ...
- correlation filters in object tracking
http://www.cnblogs.com/hanhuili/p/4266990.html Correlation Filter in Visual Tracking系列一:Visual Objec ...
- Learning Spatial-Temporal Regularized Correlation Filters for Visual Tracking---随笔
Learning Spatial-Temporal Regularized Correlation Filters for Visual Tracking DCF跟踪算法因边界效应,鲁棒性较差.SRD ...
- Multi-hierarchical Independent Correlation Filters for Visual Tracking(MFT)略读
作者写道: 有幸在本届的VOT 2018 主赛中,我们的参赛方案Multi-solution Fusion for Visual Tracking(MFT)获得第一名的成绩,通过结果来看,MFT无论在 ...
- correlation filters in object tracking2
http://www.cnblogs.com/hanhuili/p/4281077.html Correlation Filter in Visual Tracking系列二:Fast Visual ...
随机推荐
- [转帖] k8s kubectl 命令行技巧
https://jimmysong.io/posts/kubectl-cheatsheet/ Kubectl Cheatsheet kubectl命令技巧大全Posted on November 3, ...
- laravel 登录后跳转原来浏览的页面
方法 1.修改一下文件/vendor/laravel/framework/src/Illuminate/Foundation/Auth/RedirectsUsers.php 修改内容如下: 没有的加入 ...
- mybatis之注解方式实现
* 使用mybatis举例,使用注解方式实现* 不需要针对UserMapperI接口去编写具体的实现类代码,这个具体的实现类由MyBatis帮我们动态构建出来,我们只需要直接拿来使用即可.* 1.导入 ...
- bzoj5301[CQOI2018]异或序列
题意 已知一个长度为 n 的整数数列 a[1],a[2],-,a[n] ,给定查询参数 l.r ,问在 [l,r] 区间内,有多少连续子 序列满足异或和等于 k . 也就是说,对于所有的 x,y (l ...
- JavaFile类和递归
八.File类和递归 8.1 概述 java.io.File 类时文件和目录路径名的抽象表示,主要用于文件和目录的创建.查找和产出等操作. 8.2 构造方法 public File(String pa ...
- BZOJ2428 HAOI2006均分数据(模拟退火)
显然可以状压dp.显然过不了. 考虑暴力模拟退火.每次随机改变一个数所属集合即可. 并不明白要怎么调参. #include<iostream> #include<cstdio> ...
- 【转】Keil ARM开发 error L6236E错误解决
顺利创建了第一个Keil工程却发现不能完成链接,出现了一个下面这样的报错: .\Objects\demo_simple.sct(7): error: L6236E: No section matche ...
- hdu5583
#include <stdio.h> #include <stdlib.h> #include <string.h> #include <math.h> ...
- PHP多条件模糊查询
所使用的方法:$sqlArr=array();array_push();implode(); 原理, 一.建立sql语句前半句,并且建立一个空数组. 二.根据条件是否为空来判断是否向数组中添加元素.如 ...
- [Java] I/O底层原理之二:网络IO及网络编程
首先我们来看一下当访问一个域名时它的过程 查找 DNS 首先,浏览器检查缓存中有没有 浏览器缓存中没有,则查找操作系统中有没有配置这个对应关系 如果操作系统中也没有,则去 DNS 查找,即发送DNS报 ...