CSK & KCF(tracking)

上次介绍了SRDCF算法，发展历史轨迹为CSK=>>KCF/DCF/CN.鄙人首先介绍最基本的CSK算法，其实在上一篇已经提过，但是原理，思路讲的不清晰，这次争取把思路讲清楚。

CSK:[paper:Exploiting the Circulant Structure of Tracking-by-detection with Kernels（作者和KCF/DCF同一个作者）]

• 文章特点：
  • 输入：整个候选search区域的raw pixel（作为特征,并不是每个候选框），label(y_i),label为符合Gauss分布的连续取值
  • 目的：训练一个分类器，学习分类器的权重W。
    
  • 求解分类器的权重W,探究了subimage_window和circular struct以及kernel的关系，利用这个关系引入kernel Trick. 
    
  • 利用cirlular matrix和来求解分类器的权重，利用FFT以及循环矩阵的性质，避免了求W时的矩阵逆运算。   
    
  • 输出：相对平移量，实验选区响应值最大的位置作为目标移动的大小。

• 缺点：
  • scale问题。   
  • 循环矩阵bounding效应（SRDCF解决）。   
    
  • 输入为raw gray pixel（KCF,CN，DeepSRDCF丰富了特征的选取）.
    

• details