论文题目:High-Speed Tracking with Kernelized Correlation Filters
作者主页:http://www.robots.ox.ac.uk/~joao/circulant/
在线性条件下,利用循环矩阵,最终的解为
w^=x^∗⊙y^x^∗⊙x^+λ(1) (1) w ^ = x ^ ∗ ⊙ y ^ x ^ ∗ ⊙ x ^ + λ
即为论文原文的(12)式,其中:
(1) x^ x ^ 即 F(x) F ( x ) ,表示 x x 的离散傅里叶变换
(2)字母右上角的星号表示共轭矩阵
下面是该公式的推导过程。
首先在傅里叶域,岭回归的解如下所示:
w=(XHX+λI)−1XHy(2) (2) w = ( X H X + λ I ) − 1 X H y
由于我们已经限定了前提条件: X X 是循环矩阵,而循环矩阵又拥有如下特性:
其中:
(1) F F 是离散傅里叶变换矩阵,它是一个常量;
(2) x x 是生成向量,它用于表示人们感兴趣的图像块
(3) X X 是根据上述
生成的循环矩阵
(4) XH X H 表示 X X 的共轭转置矩阵,即对
先进行共轭再进行转置
(5) x^ x ^ 即 F(x) F ( x ) ,表示 x x 的离散傅里叶变换
由(3)式,我们有
XHX=[Fdiag(x^)FH]HFdiag(x^)FH=Fdiag(x^∗)FHFdiag(x^)FH=Fdiag(x^∗)diag(x^)FH(1)(2)(3)(4) (4) (1) X H X = [ F d i a g ( x ^ ) F H ] H F d i a g ( x ^ ) F H (2) = F d i a g ( x ^ ∗ ) F H F d i a g ( x ^ ) F H (3) = F d i a g ( x ^ ∗ ) d i a g ( x ^ ) F H
又因为对对角矩阵的操作都是元素级别的,因此
XHX