文章和代码下载地址:
Galoogahi H K, Sim T, Lucey S. Correlation filters with limited boundaries.
代码下载地址:http://www.hamedkiani.com/cfwlb.html
CFLB跟踪算法是通过加空间约束的方式,去除训练相关滤波所存在的边界效应。
MOSSE的filter通过最小二乘法来求解:
CSK加入了一个正则项将其变成正则化最小二乘法来求解:
CFLB将CSK的公式换一种表达方式如下:
这个公式和上面CSK的公式一模一样,只是换了一种表达。循环移位后的与
的点乘来表示卷积。
为输入训练滤波器图像的大小,
表示输入了多少张图片来训练,一般是通过仿射扰动产生的几张,相关滤波算法很多改进版本
直接设为1。
训练滤波器的时候FFT会带来边界效应,一般会加入padding框来减弱这种边界效应。所谓padding框就是拿比目标框大图像片来训练,KCF用的1.5倍框。你体会一下,是不是框越大边界效应越不明显,但是我们又不能无限制的增大padding,为什么?你想想如果padding无限大,训练的滤波器只有中心那一块属于目标区域,目标区域的占比越小,那么滤波器是不是就越不准确,所以我们要选择合适大小padding框。
CFLB做的就是将padding框增大到无限大,大到直接用整张图片来训练滤波器,然后再通过一个(0,1)二值矩阵把目标区域提取出来。下面具体介绍CFLB是怎么操作的。
CFLB提出通过如下公式来求解滤波器
表示转置,
是整帧图像大小,这个公式就是加了一个
矩阵,
是
的大矩阵,中间
个元素是1,边上的都是0,用于把信号
的中间
的元素提取出来。
道理我们都懂,但是怎么求解呢?
转换到频域:
表示傅里叶变换,普通的傅里叶变换是这样表示的
,
表示信号的长度,
是一个约定俗称用于表示傅里叶变换的矩阵。可以对照一下加入了
之后有什么差异。
注意:的大小是
,
信号的大小是
,
。也就是说
是空间约束之后的,所以
要在时域来求解。
然后CFLB构造了一个辅助变量后通过ADMM迭代求解: