KCF（核化相关滤波）跟踪公式推导笔记（1）——线性情况下滤波器的解

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

$$\hat {\bf{w}} = \frac{{{{\hat x}^ * } \odot \hat y}}{{{{\hat x}^ * } \odot \hat x + \lambda }}\tag 1$$

即为论文原文的（12）式，其中：
（1）$\hat {\bf{x}}$即$\mathcal F\left( {\bf{x}} \right)$，表示$\bf{x}$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：

$${\bf{w}}{\rm{ = }}{\left( {{X^H}X + \lambda I} \right)^{ - 1}}{X^H}{\bf{y}}\tag 2$$

由于我们已经限定了前提条件：$X$是循环矩阵，而循环矩阵又拥有如下特性：

$$X = Fdiag\left( {{\bf{\hat x}}} \right){F^H}\tag 3$$

其中：
（1）$F​$是离散傅里叶变换矩阵，它是一个常量；
（2）$\bf{x}$是生成向量，它用于表示人们感兴趣的图像块
（3）$X$是根据上述$\bf{x}$生成的循环矩阵
（4）$X^H$表示$X$的共轭转置矩阵，即对$X^H$先进行共轭再进行转置
（5）$\hat {\bf{x}}$即$\mathcal F\left( {\bf{x}} \right)$，表示$\bf{x}$的离散傅里叶变换

由（3）式，我们有

$$\begin{align} {X^H}X & = {\left[ {Fdiag\left( {{\bf{\hat x}}} \right){F^H}} \right]^H}Fdiag\left( {{\bf{\hat x}}} \right){F^H} \\ & = Fdiag\left( {{{{\bf{\hat x}}}^ * }} \right){F^H}Fdiag\left( {{\bf{\hat x}}} \right){F^H} \\ & = Fdiag\left( {{{{\bf{\hat x}}}^ * }} \right)diag\left( {{\bf{\hat x}}} \right){F^H} \end{align}\tag 4$$

又因为对对角矩阵的操作都是元素级别的，因此

XHX