关闭

核相关滤波-KCF-视频跟踪算法解析(1)

标签: 算法
4749人阅读 评论(0) 收藏 举报
分类:

动机: 大部分基于检测的视频跟踪算法,当选取充足的样本时,计算量太大无法保证跟踪算法的实时性,因此,大部分基于检测的算法都以牺牲样本的数量来保证算法的实时性。这使得跟踪算法的鲁棒性比较差。因此,有没有一种比交好的方法,既能保证实时性又能尽量选取足够的的样本进行训练呢? 本文给出的答案是:可以的。

分析: 

1.岭回归即最小二乘加一个正则项(二范数),公式如下:

2对于岭回归,它唯一的优点就是有解析解(封闭解),通过求偏导数,进行化简,最后解析解的形式如下式:


3本文就是在w的求解过程处做的改进。在(2)式中,求w必须要求矩阵的逆,矩阵求逆是一个非常耗时的过程,因此,如果w的求解可以用一种计算复杂度低的方法来解决,那么整个算法的时间复杂度就会大大降低。本文,利用循环矩阵对角化的性质和离散傅里叶变换和逆变换,得到了一个计算复杂度为nlogn 的求解w的方法。


检测目标位置的计算时间降低了,但是,我们训练那么多样本,不还是需要花费很多时间吗?可不可以也改进一下样本训练参数的时间呢?文章的答案是:可以。

5利用选取的样本,文章将样本变成循环矩阵,然后利用对角化和离散傅里叶变换的性质,大大缩减计算复杂度,从而提高训练速度。

4到现在,跟踪算法的计算时间大大缩短了,我们可以选取足够多的样本进行训练,在保证算法实时性的同时,也保证了算法的鲁棒性。

现在,论文的整体创新思路应该清晰了。下一步,本人将会对每一部分进行详细介绍。

3
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:4775次
    • 积分:60
    • 等级:
    • 排名:千里之外
    • 原创:1篇
    • 转载:0篇
    • 译文:0篇
    • 评论:0条
    文章分类
    文章存档