HCFT跟踪算法(Hierarchical Convolutional Features for Visual Tracking)是2015年发表在ICCV上的一篇结合相关滤波和深度特征的跟踪算法,作者Chao Ma、Jia-Bin Huang、Xiaokang Yang、
Ming-Hsuan Yang。
HCFTstar(Robust Visual Tracking via Hierarchical Convolutional Features)是原作者在HCFT基础上的改进,改进了尺度估计和重检测机制。
在OTB数据集上测试两个算法时需要接口函数(前提是已经调试通了两个算法),如下:
HCFT算法的接口函数 run_HCFT.m
function results = run_HCFT(seq, res_path, bSaveImage)
addpath('utility','model','cf_scale','external/matconvnet/matlab');
vl_setupnn();
padding = struct('generic', 1.8, 'large', 1, 'height', 0.4);
lambda = 1e-4; % Regularization parameter (see Eqn 3 in our paper)
output_sigma_factor = 0.1; % Spatial bandwidth (proportional to the target size)
interp_factor = 0.01; % Model learning rate (see Eqn 6a, 6b)
cell_size = 4; % Spatial cell size
show_visualization = 0;
global enableGPU;
enableGPU = false;
target_sz = seq.init_rect(1,[4,3]);
pos = seq.init_rect(1,[2,1]) + floor(</