參考博客：

MOSSE算法的理解

MOSSE

MOSSE代碼

0 基礎知識：

????????接上一篇 單目標跟蹤綜述，本文主要從MOSSE算法開始追溯相關濾波算法的起源（ps.這里讓我想到了刺客信條里的起源）。

1. 先理解 相關操作和卷積操作，互為相關是用來度量兩個信號在某個時刻的相似程度，對于機器視覺領域來說就是指兩個圖像patch的互相匹配的程度。

2. 相關操作

????????圖像的相關公式： g = f ○ h（相關） ，其中h稱為相關核kernel具體到每個像素表示為：

3. 卷積操作

????????圖像卷積操作： g = f ＊ h，其中h稱為卷積核kernel，具體到每個像素表示為：

*異同點：

????????與相關最大的不同就是：將卷積核圍繞中心旋轉180°，再進行與相關濾波一樣的操作。

????????相關和卷積的差異：

????????（1）卷積核需要旋轉180°；

????????（2）物理含義：相關性可以反映兩個信號相似程度，卷積不可以；

????????（3）卷積滿足交換律：f ＊ h = h＊f ，相關不行；

????????（4）卷積可以直接通過卷積定理：時域上的卷積等于頻域上的乘積來加速運算，相關不可以。

1 相關濾波跟蹤器的底層原理

????????相關濾波跟蹤器就是通過互相關來定位目標當前幀所在位置，響應圖g最大值對應的位置即為當前時刻預測的目標位置。具體流程如下：

????????Step1：將相關公式中的相關核旋轉180°變成卷積運算；

????????Step2：利用卷積定理轉換到頻域，時域上的卷積等于頻域上的乘積；

????????Step3: 將頻域內算出的結果變換回時域，則得到響應圖。

細節說明：

輸入的圖像是指 目標檢測區域，可能是像素值也可能是提取的特征（eg.Hog，CN，DeepFeatures等等）；

濾波器的大小和檢測區域的大小一樣，因為大小一樣的矩陣在頻域上才可以進行點乘計算；

當濾波器稍微偏移就會超出輸入圖像的范圍，則需要填充數據（這就是卷積的邊界效應）。一般有三種填充方法：補零、補邊界像素、循環圖像。

下一篇：MOSSE算法解析二

總結

以上是生活随笔為你收集整理的MOSSE相关滤波跟踪算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。