Fast Visual Tracking via Dense Spatio­Temporal Context Learning Kaihua zhang * ECCV 2014* * 香港理工大学* Tracking相关论文：  Real­time Compressive Tracking 理论研究与实际工程应用差距巨大 文章创新点  一是以密集时空环境上下文Dense Spatio­Temporal Context作为卖点；  二是以概率论的方式包装了CF（Correlation Filter）类方法;  三是在模板更新的时候把尺度变换也考虑了进去 密集的时空上下文：在跟踪的过程中，由于目标外观变换以及遮挡等原因的影响，仅仅跟踪目 标本身的话比较困难，但如果把目标周围区域也考虑进去（空间上下文），那么能够在一定程 度降低跟踪失败的风险。文章中采用的上下文区域是目标区域的两倍。 假如考虑多帧情况的 话，就对应产生了时空上下文。 

“Dense” 部分传统的跟踪方法采用随机采样或者隔段采样，而这里因为每一个点都进行了概率 值的定义所以就是 dense 了，但其实目前所有的 CF 类方法都是 dense sampling 概率论进行理论支持 假设  标在   为某一位置，   为需要跟踪的目标，首先定义如下的 confident map 用来衡量目  出现的可能性：  然后定义  ★  为上下文特征集合，其中 ★ 代表目标位置， ★  表示在  ★ 点处两倍于跟踪目标大小的邻域， 为 点的图像灰度值。这一公式的意 思其实就是把 ★作为中心点，取其周围两倍于目标框大小的图像作为特征，如上图的红色框。 然后我们利用全概率公式，以上下文特征为中间量把(1)展开：   点的概率， 式 (2) 分为两项，左项  右项   则是某一上下文特征属于目标的概率，也就是目标的上下文概率先验了。右项 的作用在于选择与目标外观相似的上下文，左项的作用在于在选择外观相似的同时也考虑出现 在某一位置是否合理，避免跟踪过程中的漂移现象。  代表给定目标和其上下文特征，目标出现在  在第一帧的时候，目标的位置是已知的，那么这时候就可以构造一个confident map，使其满足 距离目标越近可能性越高的性质。作者定义confident map的具体值为如公式(3)所示：  其中b,α,β都是经验常数。  实验中: α=2.25 β=1 

先看   ，是目标的上下文先验，定义为如下所示：   有了，就可以带入 其就是目标框附近的图像灰度值的高斯加权和,然后  (2) 求解   的卷积 ( 互相关 ) ，通 过 FFT 转到频率域变为点乘运算，运算完后逆变换回空间域，找响应最大值的地方作为目标位 置。 具体就是，设   。首先将   表示为   有了，   和   ，得  根据卷积   的定义：  所以 (5) 式其实就是一卷积（   就是   或   ，   就是   或   ），根据卷积定理：  更新跟踪下一帧目标需要的时空上下文模型：  实验中ρ=0.075 更新confident map  

目标框大小更新的方法:  ★  就是高斯形状的权 公式 (5) 重，简单的说，就是用个圆圈把目标包住，圈内的权重高，圈外的相反，那么假如目标的 size 变大了，我们就把这个圈的范围扩大就好了，而扩大或者缩小就靠调整   的值。具体推导过程 如下：  ★  ，其中  ★ 等参数的更新 实验中λ=2.25 相关博客 王泥喜龙一  http://www.cnblogs.com/hanhuili/p/4281077.html zouxy09 机器学习 python deep learning 运动检测 图像分割 机器视觉  http://blog.csdn.net/zouxy09/article/details/16889905