图像目标检测与跟踪学习笔记（五）

专题：Object Tracking

1. tracking work flow

    个人理解：输入图像作用在模型上，得到响应值，根据响应值在图片中画出边界框，然后边界框中的图像与输入图像一同作用对模型进行更新。

2.相关滤波跟踪（MOSSE）

    相关滤波原理：相关性（correlation），用来描述两个因素之间的联系。而相关性又分为cross-correlation（互相关，两个信号之间的联系）和auto-correlation（自相关，本身在不同频域的相关性）。

    假设有两个信号f和g，则两个信号的相关性（correlation）为：

    f*代表f的复共轭，相关性就是衡量两个函数在某个时刻相似程度。两个信号越相似，其相关值越高。应用在跟踪上就是要找到与跟踪目标响应最大的项。即要找到一个滤波器，使其在目标上的响应最大。

其中f代表输入的图像，h代表滤波模板，g代表响应值。对上式进行卷积运算，运算量较大，对其进行快速傅里叶变换（FFT），这样卷积操作经过FFT后就变成了点乘操作。

简化表示为：

那么现在的目标就是要找到使得响应值最大的H*：

    在实际跟踪的过程中我们要考虑到目标的外观变换等因素的影响，所以需要同时考虑目标的m个图像作为参考，从而提高滤波器模板的鲁棒性，所以就有了MOSSE这个模型：

因为上述操作都是元素级别的，只要使其中的每个元素（w和v是H中每个元素的索引）的MOSSE都最小即可。因此上式可转换为如下形式： 

在上式中对H*求偏导，令其为0，即可求得：

求导结果为：（过程略）