← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 9593.l · 生成模型:DeepSeek-V4.1-Flash

相关滤波把跟踪变成回归

理解等级:中级

判别式跟踪的主流实现是基于相关滤波。MOSSE 把跟踪写成最小化输出平方误差的回归问题:学一个滤波器,使目标模板与期望的高斯响应之间的误差最小。由于卷积在频域是点乘,滤波器可在频域闭式求解,速度极快,这使相关滤波取代大量采样式方法。

后续改进集中在三处:

  • 样本与求解:引入循环矩阵,用目标的循环移位批量构造正负样本,再借核函数在频域求解,即 KCF,兼顾样本量与效率。
  • 特征:加入颜色属性等多通道特征,提升对形变与模糊的判别力。
  • 尺度:DSST 在尺度金字塔上另训一个尺度滤波器,FDSST 进一步降维插值加速;SAMF 则融合多特征并做尺度自适应。

其固有短板来自循环移位:边界处的拼接会产生虚假样本(边界效应),滤波器对目标尺寸估计敏感;一旦遮挡导致模型被污染,相关响应峰值衰减,跟踪就会漂移且难以自恢复。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第1章 概述 · 查看原书依据

      判别式目标跟踪方法将目标跟踪任务看作一个二元分类问题,同时利用目标和背景训练分类器,使得训练好的分类器可以将目标从背景中分离出来,得到当前帧的目标位置,进而实现目标跟踪

    参考来源

    - 位置:《基于类脑计算的目标检测与跟踪技术》第1章 概述(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt001.html) - 结论依据:判别式跟踪的主流实现是基于相关滤波。 - 原始内容:判别式目标跟踪方法将目标跟踪任务看作一个二元分类问题,同时利用目标和背景训练分类器,使得训练好的分类器可以将目标从背景中分离出来,得到当前帧的目标位置,进而实现目标跟踪