相关滤波算法
DSST
DSST提出了基于3维尺度空间相关滤波器translation-scale的联合跟踪方式,利用两个滤波器位置滤波器(translation filter)和尺度滤波器(scale filter)依次进行目标定位和尺度评估,两个滤波器相互独立可以利用不同的特征种类和特征计算方式进行训练和测试,而利用尺度滤波器进行尺度估计的方法可以移植到其他算法中。fDSST对DSST进行加速,分别对位置滤波器和尺度滤波器进行PCA降维和QR分解来降低计算量提高计算速度。
Danelljan M, Häger G, Khan F, et al. Accurate scale estimation for robust visual tracking_BMVC2014SAMF
基于KCF,特征是HOG和CN,能够实现多尺度检测,位置滤波器在多尺度缩放的图像块上面进行目标检测,响应最大的认为是目标所在位置和目标尺度大小。
SAMF与DSST都可以对进行目标尺度滤波,但是在方法上有所不同:1,SAMF在尺度变化上只有7个尺度,而DSST有33种尺度变化;2,DSST先进行位置滤波再进行尺度滤波,而SAMF是位置滤波与尺度滤波一起进行;3,DSST两步需要不同的滤波器,而SAMF只需要一个滤波器,不需要额外训练和存储。
Li Y, Zhu J. A Scale Adaptive Kernel Correlation Filter Tracker with Feature Integration_ECCV2014LCT
LCT在DSST一个位置滤波器和一个尺度相关滤波器的基础上,又加入第三个负责检测目标置信度的相关滤波,检测模块是TLD中所用的随机簇分类器(random f