目标跟踪系列十二：Exploiting the Circulant Structure of Tracking-by-detection with Kernels代码关键记录

代码关键点记录：成功不远了！O(∩_∩)O 哈哈~

1. Input : load_video_info.m 读入视频文件groundtruth_rect.txt（里面是4个一组的点，x,y, width ,height ?），得到有用的参数：

target_sz = [ground_truth(1,4), ground_truth(1,3)];  得到的是目标的尺寸（这里好像是第一张的，也就是一样大）

   这个值会用来计算空间带宽的值。通常一个m*n的目标，它的空间带宽为 sqrt（m*n）/16. 也就是后面的：

output_sigma = sqrt(prod(target_sz)) * output_sigma_factor;

   这个参数后面再看

sz = floor(target_sz * (1 + padding));

   实际计算的时候将目标放大为两倍来计算。

得到sz以后有一部非常重要的操作：

[rs, cs] = ndgrid((1:sz(1)) - floor(sz(1)/2), (1:sz(2)) - floor(sz(2)/2)); 
y = exp(-0.5 / output_sigma^2 * (rs.^2 + cs.^2));
yf = fft2(y);

首先将范围变成以target中心为原点的分布，然后表示出目标中心可能出现的概率分布；接下来变换到频域里面去。

由此可以看出公式中的y不是我们平时使用的1或者是-1，而是一个可能出现的概率标签。

pos = [ground_truth(1,2), ground_truth(1,1)] + floor(target_sz/2);

   pos代表的是目标中心的位置。

cos_window = hann(sz(1)) * hann(sz(2))为了消除边缘的效应和强调中心，使用一个窗口。若是Opencv里面没有我们可以自己写：

   一个维度上的表示是这样的： w(n)