计算机视觉之跟踪算法——相关滤波器Correlation Filter

---

ASEF相关滤波器：

Average of Synthetic Exact Filters
David S. Bolme, Bruce A. Draper, J. Ross Beveridge
CVPR, 2009

相关滤波器可以用于物体定位。相关滤波器算法的思想是学习一个滤波器$h$，然后和图像$f_i$进行卷积操作

$$g_i=f_i*h$$ 得到相关信息图，图中值最大的点就是物体的位置。

训练数据中要提供图片对应的相关图$g_i$，怎么生成呢？最粗暴的办法就是把目标的中心位置设成1，其他为0。本文中作者将$g$看作是以目标位置$(x_i,y_i)$为中心的二维高斯分布：

$$g_i(x,y)=e^{\frac{(x-x_i)^2+(y-y_i)^2}{\sigma^2}}$$

那么现在有了一组图片$f_i$及相关图$g_i$，怎么学习$h$呢？

我们知道，空间上的卷积操作经过傅里叶变换在频域上就变成按元素相乘的操作（关于卷积）。所以对上式左右两边进行离散傅里叶变换DFT：

$$G(\omega, \nu)=F(\omega, \nu)\cdot H^*(\omega, \nu)$$
这里不知道为什么是H的共轭???????
所以对每幅图片就有：

$$H_i^*(\omega, \nu)=\frac{ G_i(\omega, \nu)}{F_i(\omega, \nu)}$$
这里的除也是按元素相除。
ASEF最终得到的滤波器为

H∗(ω,ν)=1