mosse（Minimizing the Output Sum of Squared Error）代码解读

---

mosse论文解读：https://blog.csdn.net/fjswcjswzy/article/details/106172434

---

mosse作为使用相关滤波进行目标跟踪的鼻祖，必须得把这玩意弄明白才能进行接下来的研究，我就从代码的角度，一行一行理解代码，保证弄得一清二楚。此文的代码为matlab，其他语言类似

步骤一： 读取视频帧

首先，要做的事将视频帧读入，代码应该比较好理解

datadir = '../data/';
dataset = 'Surfer';
path = [datadir dataset];
img_path = [path '/img/'];
D = dir([img_path, '*.jpg']);
seq_len = length(D(not([D.isdir])));

if exist([img_path num2str(1, '%04i.jpg')], 'file'),
    img_files = num2str((1:seq_len)', [img_path '%04i.jpg']);
else
    error('No image files found in the directory.');
end

步骤二：在第一帧中选择要跟踪的目标

在把视频帧读入后，就要在第一帧中用矩形框 选出我们要跟踪的目标，并且找出所选矩形框的中心center

im = imread(img_files(1,:));
f = figure('Name', 'Select object to track'); imshow(im);
rect = getrect;
close(f); clear f;
center = [rect(2)+rect(4)/2 rect(1)+rect(3)/2];

这里我们的第一帧和要跟踪的目标如下图：

步骤三：画出高斯图像

画出高斯的代码为：

sigma = 100;
gsize = size(im);
[R,C] = ndgrid(1:gsize(1), 1:gsize(2));
g = gaussC(R,C, sigma, center);
g = mat2gray(g);

这里高斯滤波器的函数为：

function val = gaussC(x, y, sigma, center)
    xc = center(1);
    yc = center(2);
    exponent = ((x-xc).^2 + (y-yc).^2)./(2*sigma);
    val       = (exp(-exponent)); 

• 这里我们使用的图片大小是360x480 ，所以R和C都是大小为360x480的矩阵，

• 将R,C, sigma,center当做参数传入gaussC函数，注意这里的高斯做了一些改变，正常来说二维高斯曲面的公式（x,y代表像素的模板坐标，模板中心位置为原点）为：

  g ( x , y ) =