MOSSE相关滤波算法学习笔记

目录

相关滤波

相关滤波在目标跟踪的应用

MOSSE滤波器

MOSSE的训练与更新

关于PSR

相关滤波

相关滤波源于信号处理领域,两个信号越相似,则他们的相关性就越大。

假设有两个信号f和g,则这两个信号的相关性为:

 

相关滤波在目标跟踪的应用

其实上述式子就是两个函数的卷积,由卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积可简化为:

        

在目标跟踪中,F表示输入帧,表示滤波器,G表示输出的相关性。在输入帧中找到与滤波器相关性最大的即为要跟踪的目标。原理如下图所示:

 图上的Kernel即为滤波器,它与跟踪物体的方框大小相同,让它一次与输入图进行做卷积操作,相应最大的点即为所跟踪目标的中点(注意输入图上的每个点都要作为中点与滤波器中点对应,这就要进行边缘填充,论文中采用的方法是环形填充)

MOSSE滤波器

因此,重点就是要找到一个合适的滤波器,使它适合目标跟踪。作者找到了一个滤波器,它使输出误差平方和最小,即MOSSE(Minimum Output Sum of Squared Error)

将该公式的偏导等于0即可求出滤波器(论文中由详细求解过程)

MOSSE的训练与更新

要训练mosse就要得到输入和输出,对于第一帧来说,它本身就是,而且为了防止过拟合,作者利用随机仿射变换生成8个由高斯函数给出,有了这些就可以计算出滤波器h,为了具有更好的鲁棒性,作者采用了以下的更新策略:

关于PSR

psr为峰值旁瓣比,它的值可以用来检测跟踪失败与目标被遮挡的情况。作者在论文中说当psr的值在20到60之间的话可以得到很强烈的相应,即跟踪效果比较好。当它在3到10的时候说明目标跟踪失败了或者跟踪目标被遮挡了。

计算PSR的公式为:

其中表示t帧的峰值旁瓣比,为t帧分类器预测的响应,分别表示响应图f的均值和方差,因此当跟踪失败或物体被遮挡时分类器预测的响应较小,方差较大,PSR较小,反之较大,所以PSR可以当成一个度量。当值很低的时候停止更新滤波器,当值高时继续更新,范围作者已给出。

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注