知识卡片
KCF的三步跟踪闭环
KCF 初始化后进入固定循环。第一步:以当前目标位置为中心循环采样,解出分类器参数 α,并与上一帧的 α 做指数平均——新参数不全量替换旧参数,而是按比例融合,使模型平滑演化、不被单帧噪声带偏。第二步:读入下一帧,按上一帧结果确定搜索区域,频域相乘后逆变换得到响应图,峰值处即新位置。第三步:在新位置重新提特征、再训练再更新,如此往复。这条闭环的隐患在于它没有岔路:无论定位对错,结果都会被写回模型;更新强度也不随目标变化程度改变。后来引入 RAN,本质上就是在这个闭环里加一个判断节点。
结构图:
flowchart LR
A[当前帧目标位置] --> B[循环移位采样]
B --> C[频域解出分类器参数]
C --> D[指数平均融合新旧参数]
D --> E[下一帧搜索区域检测]
E --> F[响应图峰值定位]
F --> A
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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7章 基于卷积神经网络与人脑记忆模型的目标跟踪算法 · 查看原书依据
(2)读入第t+1帧图像后,以上一帧的定位结果确定搜索区域,根据式(7.22)进行检测,将结果进行IFFT得到此时的响应图,从而定位目标
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第7章 基于卷积神经网络与人脑记忆模型的目标跟踪算法(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt007.html)
- 结论依据:KCF 初始化后进入固定循环。
- 原始内容:(2)读入第t+1帧图像后,以上一帧的定位结果确定搜索区域,根据式(7.22)进行检测,将结果进行IFFT得到此时的响应图,从而定位目标