无人驾驶感知篇之目标跟踪（八）

上一篇主要讲述的CSK跟踪算法，这一篇写写CN跟踪算法。

1.什么是CN跟踪算法

       CN跟踪算法使用颜色属性来扩展CSK跟踪器，提出了一种自适应的维度下降方法，将原始的11维 特征降到二维，这样保证精度的同时又保证了跟踪速率的问题。

2.CN跟踪算法的原理

       CN跟踪算法把跟踪问题抽象为一个岭回归模型的求解，设代表目标图像的输入为z，权重为w，输出为，目的就是找到f，能够最小化样本xi经分类器模型输出和期望回归值yi的最小均方差的解：

其中是防过拟合的正则化参数。根据线性最小二乘求解，可得：

      由于该方程不易求解，运算量大，引入了循环矩阵的方法。循环矩阵x的构造是每一行由基样本z的 循环偏移量组成，如下式所示： 

为求解非线性问题，引入核函数，上述问题的回 归系数w用x和对偶空间a的线性表示： 

 回归问题就转化为：

 在快速训练阶段，将求回归系数w转化为求a。由此类比求解w，可得非线性的解为：

       在快速检测阶段，在这一过程中我们需要构建 测试样本和训练样本的核函数矩阵，其中是循环 矩阵第一行组成的向量，这样就可以计算测试样本z 的循环偏移构成的测试样本，根据循环矩阵的性质， 回归问题转化为：

 3.CN跟踪算法的优缺点

     优点：相对更加平滑，实时性也比较高。

     缺点：对多尺度目标的跟踪效果较差，并且由于其分析是在频域上进行，当跟踪窗的尺寸较大时，其效率会直线下滑，且一旦丢失目标后，就无法再次进行跟踪。