《 Real-Time Compressive Tracking 》的个人理解

这是对《Real-Time Compressive Tracking 》论文与作者提供代码的理解要点，是个人的浅显理解。

论文要干嘛

对视频每一帧提取到的n个样本框进行分类，并提取最优值所对应的样本框作为跟踪结果，便能从前到后依次跟踪目标。其中分类器在不断地学习更新使其能对物体目标的轻微改变（比如亮度、形状上不是很大的改变）具有一定的鲁邦性。

说到底就是想训练一个分类器，识别待跟踪帧中最优的目标位置。然而，特征是什么样子的呢？

作者提取什么特征？

作者提取的是类似Haar-like的特征（haar-like可以百度了解）。作者会对一帧视频的一个样本框的图片内采用不同尺寸的“rectangle
filter ”来提取,然后就组成了一维的特征矩阵。

一个个计算特征的小矩形（对应一个个filter），位置随机，大小随机，代码中利用随机均匀分布计算出的，只要在样本图像内。

然而，一个重要的问题来了。小filter的数量太多了，比如作者提到的一个图像的特征数量m可能是“10^6 to 10^10 ”（作者没有给出参考图片尺寸，暂时理解图片的尺寸是正常数据集中的图片尺寸）。

因此，就需要压缩技术了。

压缩思想

假如利用一个稀疏矩阵R,可以将x的维度m降到v的维度n（m>>n）,这里的维度可以理解为数量。假如v可以极大地保留x中的特征信息，那么就可以利用v代表x来进行分类了。

那么，

R中的一个元素会和一个样本的一个“特征框”的特征值相乘，因此可以在一开始就记下R中的这个元素和这个框的位置(作者c++代码中不容易理解的部分)。

因此，当R非常稀疏时（0很多），就可以只记录R中非0的元素和其对应的rectangle filters 的位置。这样可以存储很少量的数据。

特征提取了怎么放入分类器呢？

作者指出这些一个图片提取的特征满足gauss分布，因而能利用gauss分布将特征v计算成一个个的概率值。

有了概率，再利用朴素贝叶斯分类器计算分数，分数最高的即是跟踪的最佳结果位置了。

怎么更新分类器呢？

挑选接近目标框的正样本（红），和远离目标框的负样本（绿）。这两种样本，每一个样本框内可以提取特征，计算均值mu与方差sigma，代入下面公式进行更新就行了。

完整更新示意图如下：

还有一点

一组正样本框或负样本框，若是正的放到一起或负的放到一起。会是什么样子呢？
这对应了C++代码中的特征提取。横着来看是一列一个样本框box,竖着看是一行一种feature。

读者感受

实时感知压缩（《Real-Time Compressive Tracking 》）构思非常巧妙，降低了很多计算量。

但是其并不能解决一些比较明显的遮挡和快速运动等问题。应对遮挡等问题有很多新的研究论文，读者在知网上就找到了很多篇。但是大多数都不能解决快速移动的问题。