从MOSSE到KCF,核化相关滤波器的历程

本文介绍了核化相关滤波器的发展,从MOSSE的基础开始,讨论了其在目标跟踪中的应用及不足,如特征过于简单、不考虑尺度变化和鲁棒性问题。接着,CSK通过稠密采样改进了MOSSE,但仍有冗余信息。最后,KCF引入了HOG多通道特征和高斯核函数,显著提升了跟踪效果,成为相关滤波器的重要里程碑。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

开山鼻祖—-MOSSE

  MOSSE算法开启了相关滤波器的大门,提出以滤波器求相关的形式来获取输出响应,进而获得最大响应处的位置也即我们期望跟踪的目标中心位置。


这里写图片描述

上式中F为输入图像,G为输出响应,H*为我们需要训练得到的滤波器模板。
   我们先拿第一帧来说,第一帧会给出我们所有的信息,包括要跟踪目标的bounding box.这个时候如果输入的是bounding box,我们期望的输出是图像块中心的响应最大。为了满足这个目的,我们选取以图像块中心输出为峰值的高斯函数为我们的期望输出,这样就保证了中心的响应最大。也就是中心的特征使我们最想要的。有了F,有了G,接下来就是求解H*了。

这里写图片描述

  上式就是对应的目标函数,让Fi与H*的点乘结果尽可能的接近期望输出Gi。这个地方如果仅仅以第一帧给定的bounding box为训练样本就过于单一,容易产生过拟合。于是,作者这里通过对groundtruth中的bounding box进行
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值