无人驾驶感知篇之目标跟踪（十三）

        今天小区又封了，好好的周末只能待在家里了，上海的疫情久久不能结束，心中甚是郁闷。算算日子，已在家中快封了两个月，希望早点过去吧！上一篇主要写了C-COT的目标跟踪算法，今天这篇主要写写ECO目标跟踪算法。

1.什么是ECO目标跟踪算法

       ECO继续沿用C-COT的学习连续空间卷积运算集成多分辨率目标特征图。通过在跟踪器中引入因式分解操作，解决模型参数过大，计算复杂度高等问题。使用主成分分析法减少模型参数数量，只从全部D个滤波器选择其中贡献大的C个。

2.ECO目标跟踪算法的原理

       ECO算法沿用C-COT算法将特征图通过插值转换到连续空间域，这一块可以参考上篇文章，具体就不详细说明了。

ECO算法利用主成分分析法改进，具体可以表示为：

上面方程中，f为通道d的相关滤波核，*表示卷积运算，P表示主成分分析法D行C列的投影矩阵，SP,f{xd}表示响应值得分。

3.ECO目标跟踪算法的优缺点

    对比C-COT算法

     优点：减少滤波器、减少训练集、减少滤波器更新频率；从而降低了C-COT算法的计算复杂度，从而提升跟踪速度。

      缺点：特征提取网络模型较大、计算量大以及参数量多。