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。
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。
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。
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
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
