无人驾驶感知篇之目标跟踪(十二)

        终于把相关滤波的目标跟踪算法写完了,其实还有其他的相关滤波算法,暂时也不写了。从今天开始写写深度学习跟踪算法,其实不太想写深度学习跟踪算法,担心写不好,挺复杂的,写不好莫要见怪哈。这一篇主要写写深度学习跟踪算法中的C-COT的目标跟踪算法。

1.什么是C-COT目标跟踪算法

        C-COT目标跟踪算法,即连续域卷积操作跟踪算法,目前主流的相关滤波器跟踪方法之一,其特点在于,不需要重采样即可整合多分辨率 的特征,且预测分数是连续域函数。

2.C-COT目标跟踪算法的原理

C-COT目标跟踪算法比较复杂,主要步骤为:

(1)构造连续域插值函数;

(2)构造置信函数;

(3)期望泛函;

(4)训练连续分类器;

(5)正规方程的构造

构造连续域插值函数,这一步一般主要定义一个图像的训练样本,构造差值函数,可以用方程表示为:

式中,bd 是差值函数,t是连续域变量,T是连续域支撑空间长度。

构造置信函数,这一步主要是定义卷积算子,可以表示为:

 期望泛函,这一步主要构造损失函数,可以表示为:

权重αj ≥0控制着每个训练样本的影响力,惩罚系数ω由特征点在整幅图像中的位置决定。

 训练连续分类器,这一步主要通过最小化损失函数进行分类器训练。其对应的算法方程可表示为:

 最后,进行正规方程的构造,可表示为:

 方程中AH ΓA+WHW为对称正定方程,可以用共轭梯度迭代法求解。

3.C-COT目标跟踪算法的优缺点

    优点:可实现更精确的亚像素级别定位。

   缺点:如使用深度网络所提取的特征会导致算法跟踪速度很慢,以及采用网格搜索的方法使得跟踪结果容易陷入局部最优值。

好了,今天写到这,有点伤脑。

 

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
上一篇 2022年5月22日 上午11:17
下一篇 2022年5月22日 上午11:21

相关推荐

本站注重文章个人版权,不会主动收集付费或者带有商业版权的文章,如果出现侵权情况只可能是作者后期更改了版权声明,如果出现这种情况请主动联系我们,我们看到会在第一时间删除!本站专注于人工智能高质量优质文章收集,方便各位学者快速找到学习资源,本站收集的文章都会附上文章出处,如果不愿意分享到本平台,我们会第一时间删除!