TLD（Tracking-Learning-Detection）学习与源码理解之（七）-赢咖4注册

aihot 2017-04-27 20:10:03 OpenCV | 查看评论

features = vector<vector<Feature> >(scales.size(), vector<Feature> (totalFeatures));

//opencv中自带的一个随机数发生器的类RNG

RNG& rng = theRNG();

float x1f,x2f,y1f,y2f;

int x1, x2, y1, y2;

//集合分类器基于n个基本分类器，每个分类器都是基于一个pixel comparisons（像素比较集）的；

//pixel comparisons的产生方法：先用一个归一化的patch去离散化像素空间，产生所有可能的垂直和水平的pixel comparisons

//然后我们把这些pixel comparisons随机分配给n个分类器，每个分类器得到完全不同的pixel comparisons（特征集合），

//这样，所有分类器的特征组统一起来就可以覆盖整个patch了

//用随机数去填充每一个尺度扫描窗口的特征

for (int i=0;i<totalFeatures;i++){

x1f = (float)rng;

y1f = (float)rng;

x2f = (float)rng;

y2f = (float)rng;

for (int s=0; s<scales.size(); s++){

x1 = x1f * scales[s].width;

y1 = y1f * scales[s].height;

x2 = x2f * scales[s].width;

y2 = y2f * scales[s].height;

//第s种尺度的第i个特征两个随机分配的像素点坐标

features[s][i] = Feature(x1, y1, x2, y2);

}

//Thresholds

thrN = 0.5 * nstructs;

//Initialize Posteriors 初始化后验概率

//后验概率指每一个分类器对传入的图像片进行像素对比，每一个像素对比得到0或者1，所有的特征13个comparison对比，

//连成一个13位的二进制代码x，然后索引到一个记录了后验概率的数组P(y|x)，y为0或者1（二分类），也就是出现x的

//基础上，该图像片为y的概率是多少对n个基本分类器的后验概率做平均，大于0.5则判定其含有目标

for (int i = 0; i<nstructs; i++) {

//每一个每类器维护一个后验概率的分布，这个分布有2^d个条目（entries），这里d是像素比较pixel comparisons

//的个数，这里是structSize，即13个comparison，所以会产生2^13即8,192个可能的code，每一个code对应一个后验概率

//后验概率P(y|x)= #p/(#p+#n) ,#p和#n分别是正和负图像片的数目，也就是下面的pCounter和nCounter