无人驾驶感知篇之目标跟踪（六）

     早期跟踪算法主要有Meanshift跟踪算法、Camshift跟踪算法、Kalman滤波跟踪算法、粒子滤波跟踪算法。相关滤波算法主要有MOSSE跟踪算法、CSK跟踪算法、CN跟踪算法、KCF跟踪算法、SAMF跟踪算法、SRDCF跟踪算法、深度学习跟踪算法。前几篇文章已把早期跟踪算法写完，今天这篇文章主要写写MOSSE跟踪算法。

1.什么是MOSSE跟踪算法

       MOSSE算法，英文Minimum Output Sum of Squared Error。基本思想主要包括三部分：（一）首先根据第一帧图像框选的目标构建一个响应，该响应在所绘制的目标框的中心处的响应值最大，向四周缓慢衰减（二维高斯分布）。

（二）找到一个滤波器使得图像和这个滤波器进行相关运算之后刚好得到的就是这个响应。

（三）最后根据响应值最大处得到目标的位置。

2.MOSSE跟踪算法的原理

      假设f1，f2，……，ft是目标样本区域，经过滤波器ht之后输出gi，最小化均方误差可以用下式所示：

对Ht求导，令导数为0，可得

如果在第t帧的目标区域内提取之后得出特征 图 z，那么在 t+1 帧，计算 ht与 z的相关值就可以表示为：

 t+1帧中目标区域的中心点就是y的最大值的位置。当确保目标区域尺寸不变的前提下，把中心点移动到对应位置，即可获得在新的一帧中的目标区域。然后在此区域中进行特征提取，接着在训练 集中更新模型得到ht+1后，再对下一帧进行目标检测。在实际的追踪过程中，一般使用如下方法来更 新模型，其中η为学习率：

    不再详细说了，其算法结构图如下：