阅读笔记4：CSK：Exploiting the Circulant Structure of Tracking-by-detection with Kernels

本文是ECCV 2012一篇文章，是利用循环矩阵做目标追踪的里程碑文章，重点着眼于如何利用circulant 结构做目标跟踪以及背后的理论依据。

传统跟踪算法是根据当前帧目标位置，然后采样正，负样本，一般情况下离目标比较远的判定为负样本，离目标比较近的判定为正样本。由于考虑到实时跟踪的要求，为了减少计算量采用random sample样本，虽然这样降低了计算量但是对最终的分类器性能会有一定的影响。循环矩阵（结构）的发现解决了该问题，一方面它允许我们利用dense sample 的方法采集训练样本，另外还可以在频域内快速训练分类器。

文章主要贡献在于

1，推到在dense sample下快速训练分类器

2，如何利用频域计算核矩阵

3，推导出kernel regularized least square目标函数的闭环解

规则化风险最小化跟踪目标函数定义为：

其中L（..）是损失函数，yi是label，f(..) 分类器，W是分类器参数。

该目标函数可以借助核方法推导出其闭环解

其中fai(x)是核映射。在核化最下二乘目标函数下的解为：

K 是核矩阵，且具有循环结构，在频域内其表达式可以写为：

其中 K 的求解

这样就可以计算出所追踪的分类器