【核相关滤波目标跟踪算法综述1200字】

核相关滤波目标跟踪算法综述目录TOC\o"1-3"\h\u6361核相关滤波目标跟踪算法综述 1252331.1引言 1144611.2核相关滤波算法 1260291.2.1岭回归 1145151.2.2循环矩阵 2147351.2.3训练目标分类器 2276861.2.4快速检测与模型更新 330851.2.5核相关滤波目标跟踪算法框架 3163241.3KCF算法复现结果 41.1引言核相关滤波（）算法是在2014年由.，，和提出，该算法不论是在跟踪效果还是跟踪速度上都有十分亮眼的表现，一经提出就引起了一大批的学者的广泛关注，成为目标跟踪领域的研究热点。1.2核相关滤波算法1.2.1岭回归对算法的训练实际上就是对给定的训练样本及其期望输出值，，训练的目的就是找到该序列点的回归函数，使得代价函数最小，表达式如下 (3-1)式（3-1）矩阵形式为： (3-2)式（3-2）中，，当导数为0时，存在极值，求得： (3-3)1.2.2循环矩阵假设的一维向量来表示一个感兴趣区域，把它当作一个基本样本，利用置换矩阵对样本进行循环位移，其中是的矩阵，表示将样本位移位：(3-4)设为循环位移后的样本，，为由组成的样本循环矩阵：(3-5)1.2.3训练目标分类器通过将核函数引入算法可以解决低维样本线性不可分问题，利用岭回归来训练分类器。假设表示样本输出且满足高斯分布，分类器通过最小正则化函数进行训练，是将样本映射到特征空间的函数，求取使得函数值最小的最优解，公式如下：(3-6)式中：为了控制过拟合，正则化参数。样本与之间的相似度用高斯核函数表示。(3-7)式中：表示傅里叶逆变换，为的傅里叶变换。通过高斯核函数可以得到由训练样本构造的核矩阵。通过式(4)求得最优解，为组成系数矩阵的元素，可知：(3-8)式中:为的傅里叶变换，为的傅里叶变换，通过上式得后推导出最优解。1.2.4快速检测与模型更新对于新输入的样本z通过特征提取，循环位移得到样本集合，与训练样本构造核矩阵且满足循环条件。由此可以得到测试样本的响应，响应值最大的点坐标表示目标的最新位置。(3-9)完成新目标的跟踪任务之后,需要更新模版参数与样本参数X。(3-10)式中：为下一帧的模型参数，为下一帧的样本参数，为模板更新率。由于传统的算法通过线性插值方式进行目标模型跟新，当样本被污染时依旧更新模板与样本参数。1.2.5核相关滤波目标跟踪算法框架算法框图如图3-1所示图3-1KCF算法框图KCF目标跟踪算法流程如下：（1）对目标初始帧，采样图像块，采用

特征。（2）将提取的基准样本，循环移位，岭回归。（3）将待检测目标图像块与目标滤波器模型进行核相关，最大响应位置。（4）更新目标模型。（5）传递滤波器模型，接着重复步骤（），直到读取完所有帧。1.3KCF算法复现结果（1）不同场景下KCF算法目标跟踪结果图图3-2篮球赛场上运动员KCF算法跟踪效果图图3-3马路上行人KCF算法跟踪效果图图3-4马路上自行车KCF算法跟踪效果图图3-5马路上车辆KCF算法跟踪效果图可以看出，在不同场景下，对不同目标进行跟踪的效果良好。（2）半遮挡与全遮挡条件下KCF算法目标跟踪结果图3-5半遮挡条件下KCF算法目标跟踪