相关滤波跟踪算法KCF笔记

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
在这里插入图片描述
加入正则项,防止过拟合,得到损失函数为
在这里插入图片描述
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
在这里插入图片描述
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

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值