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

//pow(-1.0, c)也就是-1的c次方，而c随机地取0或者1，也就是说weightTemp是随机的正或者负。

//随机测量矩阵中，矩阵元素有三种，sqrt(s)、-sqrt(s)和零。为正和为负的概率是相等的，

//这就是为什么是[2，4）均匀采样的原因，就是取0或者1概率一样。

//但是这里为什么是sqrt(s)分之一呢？还有什么时候是0呢？论文中是0的概率不是挺大的吗？

//没有0元素，哪来的稀疏表达和压缩呢？不懂，恳请指导！（当然稀疏表达的另一个好处

//就是只需保存非零元素。但这里和这个有关系吗？）

weightTemp = (float)pow(-1.0, cvFloor(rng.uniform(0.0, 2.0))) / sqrt(float(numRect));

//保存每一个特征模板对应的权重

featuresWeight[i].push_back(weightTemp);

}

//在上一帧跟踪的目标box的周围采集若干正样本和负样本，来初始化或者更新分类器的

void CompressiveTracker::sampleRect(Mat& _image, Rect& _objectBox, float _rInner, float _rOuter, int _maxSampleNum, vector<Rect>& _sampleBox)

/* Description: compute the coordinate of positive and negative sample image templates

Arguments:

-_image: processing frame

-_objectBox: recent object position

-_rInner: inner sampling radius

-_rOuter: Outer sampling radius

-_maxSampleNum: maximal number of sampled images

-_sampleBox: Storing the rectangle coordinates of the sampled images.

{

int rowsz = _image.rows - _objectBox.height - 1;

int colsz = _image.cols - _objectBox.width - 1;

//我们是在上一帧跟踪的目标box的周围采集正样本和负样本的，而这个周围是通过以

//这个目标为中心的两个圆来表示，这两个圆的半径是_rInner和_rOuter。

//我们在离上一帧跟踪的目标box的小于_rInner距离的范围内采集正样本，

//在大于_rOuter距离的范围内采集负样本（论文中还有一个上界，但好像

//这里没有，其实好像也没什么必要噢）

float inradsq = _rInner*_rInner;