压缩跟踪Compressive Tracking源码理解-赢咖4注册

aihot 2017-04-27 23:51:15 OpenCV | 查看评论

featuresWeight = vector<vector<float>>(_numFeature, vector<float>());

//numRect是每个特征的矩形框个数还是论文中说的随机测量矩阵中的s？还有兼备两种功能？

//论文中说s取2或者3时，矩阵就满足Johnson-Lindenstrauss推论。

int numRect;

Rect rectTemp;

float weightTemp;

for (int i=0; i<_numFeature; i++)

{

//如何生成服从某个概率分布的随机数（或者说 sample）的问题。

//比如，你想要从一个服从正态分布的随机变量得到 100 个样本，那么肯定抽到接近其均值的样本的

//概率要大许多，从而导致抽到的样本很多是集中在那附近的。

//rng.uniform()返回一个从[ 1，2）范围均匀采样的随机数，即在[ 1，2）内服从均匀分布（取不同值概率相同）

//那么下面的功能就是得到[2，4）范围的随机数，然后用cvFloor返回不大于参数的最大整数值，那要么是2，要么是3。

numRect = cvFloor(rng.uniform((double)featureMinNumRect, (double)featureMaxNumRect));

//int c = 1;

for (int j=0; j<numRect; j++)

{

//我在一个box中随机生成一个矩形框，那和你这个box的x和y坐标就无关了，但我必须保证我选择

//的这个矩形框不会超出你这个box的范围啊，是吧

//但这里的3和下面的2是啥意思呢？我就不懂了，个人理解是为了避免这个矩形框太靠近box的边缘了

//要离边缘最小2个像素，不知道这样理解对不对，恳请指导

rectTemp.x = cvFloor(rng.uniform(0.0, (double)(_objectBox.width - 3)));

rectTemp.y = cvFloor(rng.uniform(0.0, (double)(_objectBox.height - 3)));

//cvCeil 返回不小于参数的最小整数值

rectTemp.width = cvCeil(rng.uniform(0.0, (double)(_objectBox.width - rectTemp.x - 2)));

rectTemp.height = cvCeil(rng.uniform(0.0, (double)(_objectBox.height - rectTemp.y - 2)));

//保存得到的特征模板。注意哦，这里的矩形框是相对于box的相对位置哦，不是针对整幅图像的哦

features[i].push_back(rectTemp);

//weightTemp = (float)pow(-1.0, c);