ECCV 2012 KCF/DCF:《High-speed tracking with kernelized correlation filters》论文笔记

  理解出错之处望不吝指正。

  本文模型就是大名鼎鼎的KCF/DCF。

  本文在CSK的基础上进行了一些改进，大致如下：

    （1）不像CSK中使用的是灰度特征，本文使用HOG特征；

    （2）使用HOG特征+高斯核函数的模型叫做KCF；

    （3）使用HOG特征+线性核函数的模型叫做DCF。

  KCF的效果比DCF好一点点，但是DCF比KCF要更快。

 

•   如何在CF模型中使用HOG特征？

  这部分其实论文中没有讲到，作者扔给大家一篇参考文献《Object Detection with Discriminatively Trained Part Based Models》，大家可以去看一下。

  实际上，在KCF/DCF中使用的是FHOG特征，这是一种基于HOG特征的改进。

    （1）将样本划分为个区域，对于每个区域，进行32维的特征统计；

    （2）对于不同区域得到的统计特征（向量），并行起来，得到一个的张量；

    （3）将每个32维的特征向量视为一个“值”，对个区域进行循环移位得到样本集。

 

•   实验效果（KCF与DCF对比）