cf_tracking, 基于 C++的两种相关滤波器的实现

分享于 

7分钟阅读

GitHub

  繁體 雙語
C++ Implementation of two correlation filter based visual trackers
  • 源代码名称:cf_tracking
  • 源代码网址:http://www.github.com/klahaag/cf_tracking
  • cf_tracking源代码文档
  • cf_tracking源代码下载
  • Git URL:
    git://www.github.com/klahaag/cf_tracking.git
    Git Clone代码到本地:
    git clone http://www.github.com/klahaag/cf_tracking
    Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/klahaag/cf_tracking
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
    
    简介

    这个库为两个相关滤波器提供 C++ 实现。 代码实现了 [1] 和 [2] 中提出的可视跟踪器的修改版本:

    • KCFcpp: 这个跟踪器是一个 C++ 端口,它的中的核心相关滤波器( KCF ) 跟踪器提出了 [1]。 项目网页:http://home.isr.uc.pt/~henriques/circulant/ KCFcpp用作默认缩放,用于在 [2] 中提出的1D 尺度过滤器。 此外,[3] 中使用了固定模板大小。亚像素/子单元响应峰值估计和来自的模型更新,这是等人使用的。 在VOT质询 2014 ( http://votchallenge.net/vot2014/ ) 中。 Henriques等应用的尺度适应性。 在VOT质询 2014中可用选项。
    • DSSTcpp: 这个跟踪器是一个 C++ 端口,它是 [2] 中提出的区分尺度空间跟踪器( DSST )的。 默认设置使用固定模板大小和KCF版本中的子像素/单元响应峰值估计。 项目网页:http://www.cvl.isy.liu.se/en/research/objrec/visualtracking/scalvistrack/index.html

    两个实现都使用 [4] 中提出的FHOG特性。 更具体地说,使用 [5]的FHOG实现。 这两个跟踪器都提供了使用 [6] 中提出的目标丢失检测的选项。

    插件生成

    依赖项

    • C++11
    • OpenCV 3.0
    • 控件
    • SSE2-capable CPU

    在 Windows 7上进行了编译,并使用 Visual Studio 2013最终,在 Windows 8.1和 Visual Studio 2013,并在Ubuntu上使用 G++。

    Windows 7

    14.04

    • 安装 OpenCV 3.0和c。
    • 配置和编译:
    
    mkdir <src-dir>/build
    
    
    cd <src-dir>/build
    
    
    cmake.. /
    
    
    make -j 8
    
    
    
    
    用法
    • 要跟踪网络摄像头中的图像,只需启动 DSSTcpp(.exe) 或者 KCFcpp(.exe),并将对象标记为 rectangle。
    • 若要传递预定义的边界框,请使用 -b x,y,w,h 命令行 switch。 框将使用从位置 0,0开始的图像。
    • 要跟踪图像序列或者视频,请将 <src-dir>/sample/* 内容复制到构建/发布文件夹中,然后运行批处理/sh文件。 示例启动脚本简短且解释跟踪器的用法。 如果从 Windows cmd运行跟踪程序,只使用一个 % 符号来指定图像序列的命名约定。
    • 要启用目标丢失检测,请使用 --para_enable_tracking_loss 命令行 switch 运行跟踪程序。
    • 要尽可以能接近原始的Matlab实现跟踪性能,请运行 --original_version 命令行 switch 跟踪器。 当跟踪器与原始的Matlab实现紧密地实现时,实现差异仍然存在,而实现的跟踪性能可能偏离它们最初的Matlab实现。
    • 要查看可用选项的完整列表,请使用 --help 命令行 switch 运行追踪器。
    美国商用用户( US )

    使用线性相关过滤器的代码可能受到美国专利的影响。 如果你想在美国商业使用这里代码,请参考 http://www.cs.colostate.edu/~vision/ocof_toolset_2012/index.php 获得可能的专利声明。

    贡献者

    Luka Cehovin: 在AMD和 Intel CPU 上均衡FHOG性能

    3rdparty 库使用:

    引用

    如果你为科学出版物重用这里代码,请引用相关出版物( 取决于所重用代码的哪些部分):

    [1 ]

    
    @article{henriques2015tracking,
    
    
    title = {High-Speed Tracking with Kernelized Correlation Filters},
    
    
    author = {Henriques, J. F. and Caseiro, R. and Martins, P. and Batista, J.},
    
    
    journal = {Pattern Analysis and Machine Intelligence, IEEE Transactions on},
    
    
    year = {2015}
    
    
    
    

    [2 ]

    
    @inproceedings{danelljan2014dsst,
    
    
    title={Accurate Scale Estimation for Robust Visual Tracking},
    
    
    author={Danelljan, Martin and H{"a}ger, Gustav and Khan, Fahad Shahbaz and Felsberg, Michael},
    
    
    booktitle={Proceedings of the British Machine Vision Conference BMVC},
    
    
    year={2014}}
    
    
    
    

    [3 ]

    
    @inproceedings{danelljan2014colorattributes,
    
    
    title={Adaptive Color Attributes for Real-Time Visual Tracking},
    
    
    author={Danelljan, Martin and Khan, Fahad Shahbaz and Felsberg, Michael and Weijer, Joost van de},
    
    
    booktitle={Conference on Computer Vision and Pattern Recognition (CVPR)},
    
    
    year={2014}}
    
    
    
    

    [4 ]

    
    @article{lsvm-pami,
    
    
    title ="Object Detection with Discriminatively Trained Part Based Models",
    
    
    author ="Felzenszwalb, P. F. and Girshick, R. B. and McAllester, D. and Ramanan, D.",
    
    
    journal ="IEEE Transactions on Pattern Analysis and Machine Intelligence",
    
    
    year ="2010", volume ="32", number ="9", pages ="1627--1645"}
    
    
    
    

    [5 ]

    
    @misc{PMT,
    
    
    author = {Piotr Doll'ar},
    
    
    title = {{P}iotr's {C}omputer {V}ision {M}atlab {T}oolbox ({PMT})},
    
    
    howpublished = {url{http://vision.ucsd.edu/~pdollar/toolbox/doc/index.html}}}
    
    
    
    

    [6 ]

    
    @inproceedings{bolme2010mosse,
    
    
    author={Bolme, David S. and Beveridge, J. Ross and Draper, Bruce A. and Yui Man Lui},
    
    
    title={Visual Object Tracking using Adaptive Correlation Filters},
    
    
    booktitle={Conference on Computer Vision and Pattern Recognition (CVPR)},
    
    
    year={2010}}
    
    
    
    

    IMP  BASE  Implementation  vis  TRAC  Tracker  
    相关文章