kcf算法總結

KCF總結

KCF是一種鑒别式追蹤方法，這類方法一般都是在追蹤過程中訓練一個目标檢測器，使用目标檢測器去檢測下一幀預測位置是否是目标，然後再使用新檢測結果去更新訓練集進而更新目标檢測器。而在訓練目标檢測器時一般選取目标區域為正樣本，目标的周圍區域為負樣本，當然越靠近目标的區域為正樣本的可能性越大。

KCF的主要工作

1.    使用目标周圍區域的循環矩陣采集正負樣本，利用脊回歸訓練目标檢測器，并成功的利用循環矩陣在傅裡葉空間可對角化的性質将矩陣的運算轉化為向量的Hadamad積，即元素的點乘，大大降低了運算量，提高了運算速度，使算法滿足實時性要求。

2.    将線性空間的脊回歸通過核函數映射到非線性空間，在非線性空間通過求解一個對偶問題和某些常見的限制，同樣的可以使用循環矩陣傅裡葉空間對角化簡化計算。

3.    給出了一種将多通道資料融入該算法的途徑。

KCF的主要步驟：

1.     在It幀中，在目前位置pt附近采樣，訓練一個回歸器。這個回歸器能計算一個小視窗采樣的響應。

2.     在It+1幀中，在前一幀位置pt附近采樣，用前述回歸器判斷每個采樣的響應。

3.     響應最強的采樣作為本幀位置pt+1。