CSK跟踪算法简介及代码的解读

      （Exploiting the Circulant Structure of Tracking-by-detection with Kernels）Csk算法通过使用高斯核计算相邻两帧之间的相关性，取响应最大的点为预测的目标中心。该算法是固定目标大小的，对发生尺度变化的目标不鲁棒。

       论文中涉及到很多公式的推导。对于一个线性的分类器，需要解决的问题就是：

       其中的为损失函数，作者使用的是。在简化计算二次规划中间的一步内积计算中，作者使用了核函数的方法。。后面还有一系列的公式推导，最后得到重要的3个。

      1.通过输入图片与目标区域，由公式得到核矩阵k。

      2.通过k的值更新alphaf，由公式得到。

      3.通过k和alphaf计算响应值，即目标的中心，公式。

     接下来简单谈一下代码。其中choose_video.m，load_video_info.m为一些基础读取图片和groundtruth的操作。然后作者get_subwindow提取图片中的目标两倍大小的区域，同时cos_window点乘。我认为这就是作者的采样。接下来进行dense_gauss_kernel（dgk）操作，也就是论文中公式16的实现，计算k矩阵。最后通过

response = real(ifft2(alphaf .* fft2(k)));   %(Eq. 9)

[row, col] = find(response == max(response(:)), 1);

pos = pos - floor(sz/2) + [row, col];

得到目标。代码比较简单就不赘述了。