CompressiveTracker.h
- /************************************************************************
- * File: CompressiveTracker.h
- ************************************************************************/
- //这是一个比较常用的C/C++杂注，只要在头文件的最开始加入这条杂注，就能够保证头文件只被插入和编译一次
- #pragma once
- #include <opencv2/opencv.hpp>
- #include <vector>
- using std::vector;
- using namespace cv;
- //---------------------------------------------------
- class CompressiveTracker
- {
- public:
- CompressiveTracker(void);
- ~CompressiveTracker(void);
- private:
- int featureMinNumRect;
- int featureMaxNumRect;
- int featureNum; //每个box的harr特征个数（也就是弱分类器个数）
- vector<vector<Rect>> features;
- vector<vector<float>> featuresWeight;
- int rOuterPositive; //在离上一帧跟踪到的目标位置的距离小于rOuterPositive的范围内采集 正样本
- vector<Rect> samplePositiveBox; //采集的正样本box集
- vector<Rect> sampleNegativeBox; //采集的负样本box集
- int rSearchWindow; //扫描窗口的大小，或者说检测box的大小
- Mat imageIntegral; //图像的积分图
- Mat samplePositiveFeatureValue; //采集的正样本的harr特征值
- Mat sampleNegativeFeatureValue; //采集的负样本的harr特征值
- //对每个样本z（m维向量），它的低维表示是v（n维向量，n远小于m）。假定v中的各元素是独立分布的。
- //假定在分类器H(v)中的条件概率p(vi|y=1)和p(vi|y=0)属于高斯分布，并且可以用以下四个参数来描述：
- //分别是描述正负样本的高斯分布的均值u和方差sigma
- vector<float> muPositive;
