相关滤波跟踪算法KCF笔记
继Mosse算法之后,最经典的相关滤波算法当属J. F. Henriques在2014年发表的High-Speed Tracking with Kernelized Correlation Filters(简称KCF)。KCF算法不仅速度快,而且可以精确的跟踪目标,其实验结果也是碾压了当时大部分的目标跟踪算法。
KCF的代码真的是少的可怜,但是其原理却相当复杂,难于理解。这篇文章也只是记录自己对KCF的理解。
假设一个分类器f,设f为线性函数
加入正则项,防止过拟合,得到损失函数为
其中X 为特征矩阵,w 为权值,y 为样本标签/响应,其中每一项都采用了L2 范数的平方,即矩阵内所有元素的平方和。因此,该优化的关键在于求最优的 w,求解方法则是使用了最直接的拉格朗日乘子法,求解过程就不再这里阐述了,最终得到的结果是
分类器f通常不是特征向量x的线性表达,所以没办法进行线性分类,为此引入核函数,可以将非线性问题通过特征的非线性映射,满足线性关系,则有了和空间的岭回归。任何带