无人驾驶感知篇之目标跟踪（十）

终于下班了，忙碌了一天。上一篇主要讲述的KCF跟踪算法，这一篇写写SAMF跟踪算法。

1.SAMF跟踪算法的由来

      SAMF算法是基于KCF，把HOG特征和CN特征进行融合，同时使用了尺度池技术。上一篇已经介绍了KCF跟踪算法，就不再详细叙述了。

2.SAMF跟踪算法的原理

     SAMF算法针对KCF的主要改进之处在于，将KCF单一的HOG特征扩展为HOG+CN+灰度的多特征融合。SAMF的另一个改进之处在于利用尺度池的方法实现目标的自适应跟踪。SAMF提出的尺度池包含7个尺度{0.985,0.99,0.995,1.0,1.005,1.01,1.015}。它的思想比较简单，就是对候选区域的目标进行7个尺度的计算，并与上一帧目标进行比较，其响应值最大的作为当前帧中的目标。

SAMF采用加权更新当前帧（第t帧）模型如下：

3.SAMF跟踪算法的优缺点

    优点：整体跟踪性能较高，

     缺点：无法处理遮挡、背景杂斑等情况。