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