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。