本章主要具体解释的是compressive tracking框架中的第一部分:样本的採集和扩充部分。

在開始代码学习的前面,你须要知道的理论知识參见论文:Real-time Compressive Tracking。理论理解能够參见我的博客:http://blog.csdn.net/ikerpeng/article/details/19826409 。

这个模块中你须要知道一个主要的概念:代码里面几个变量指的是什么。上一张图:

或许你如今还不知道他们是什么,直接贴代码了。

相信有我的凝视你一定会懂的。

头文件 sampleRect.h

#pragma once
#include <opencv2\opencv.hpp>
#include <vector>
using namespace cv;
using namespace std; class sampleRect
{
public:
sampleRect(void);//构造函数,初始化以下的rOuterpositive
~sampleRect(void); private:
int rOuterpositive;//这个设定的是正负样本的边界。在这个边界里面的就是正样本,外面的就是负样本。 void sampleRect0(Mat& _image, Rect& _objectPatch, float _rInner, float _rOuter, int _maxSampleNum, vector<Rect>& _sampleRect );
//这个函数最重要,它是用来扩充正负样本的。 他通过设定_rInner,_rOuter两个边界,选出的样本是_rInner里面的,_rOuter外面的。 也就是说_rInner>_rOuter.
//在进行正样本扩充的时候_rOuter=0._rInner=上面那个边界rOuterpositive;产生负样本的时候_rOuter=rOuterpositive。里面的參数在实现的时候说明
void sampleRect1(Mat& _image, Rect& _objectPatch, float _srw, vector<Rect>& _sampleRect );//这个函数是要扩充待检測的样本的 };
#include "sampleRect.h"
#include <math.h>
#include<iostream> sampleRect::sampleRect()
{
int rOuterpositive=4;//这里我们都是以矩形框的左上角的点为參照的,若是要扩充的样本的这个点离目标位置的这个点的距离在4个像素以内则定义为正样本。否则为负。
}
sampleRect::~sampleRect()
{ }
void sampleRect::sampleRect0(Mat& _image, Rect& _objectPatch, float _rInner, float _rOuter, int _maxSampleNum, vector<Rect>& _sampleRect )
{
/*
Arguments:
-_image: processing frame
-_objectBox: recent object position
-_rInner: inner sampling radius
-_rOuter: Outer sampling radius
-_maxSampleNum: maximal number of sampled images
-_sampleRect: Storing the rectangle coordinates of the sampled images.
*/
int rowsz=_image.rows-_objectPatch.height-1;//y方向上取值的最大范围
int colsz= _image.cols- _objectPatch.width-1;
float rInnerSq=_rInner*_rInner;//这个相当于是外圆的距离的平方,为的是和后面的dist作比較的。小于这个值就在圆里面
float rOuterSq=_rOuter*_rOuter;//同上,大于这个值就在选择的范围里面了。详细參见示意图1。
int dist;
RNG rng; //以下这个是为了要确定选出来的patch快的范围(事实上是左上角点的坐标的范围)
int minrow = max(0,(int)_objectPatch.y-(int)_rInner);//计算出的结果是y坐标的最小取值。相当于一个圆外接矩形的最上面的那个点。详细參见示意图1
int maxrow = min(rowsz-1, (int)_objectPatch.y+(int)_rInner);//计算出的结果是y坐标的最大取值,相当于一个圆外接矩形的最以下的那个点。 int mincol = max(0,(int)_objectPatch.x-(int)_rInner);//计算出的结果是x坐标的最小取值,相当于一个圆外接矩形的最左边的那个点。
int maxcol = min(colsz,(int)_objectPatch.x+(int)_rInner);//计算出的结果是x坐标的最大取值,相当于一个圆外接矩形的最右边的那个点。 float prob=_maxSampleNum/(maxrow-minrow+1)/(maxcol-mincol+1);//这个值的设定是为了将扩充正负样本的函数统一到一个函数里面
// 由于负样本的扩充时设定的最外面的边界_rInner是比較大的。 那就非常产生非常多的样本,这个时候我们就通过这个值的推断随机的选择一些
//_maxSampleNum设置是非常大的。上面的式子是相当于除以后面两个的乘积啦。 int r,c; //横纵坐标
int i=0; //记住vector的尺寸
_sampleRect.clear();// 非常重要。開始的时候一定清空样本存储的地方
Rect rect(0,0,0,0); //用来记录每个被选到的样本块 for ( r=minrow; r<=maxrow; r++)
{
for( c=mincol; c<=maxcol; c++)
{
dist=(_objectPatch.y-r)*(_objectPatch.y-r)+(_objectPatch.x-c)*(_objectPatch.x-c);//到目标点的距离
if((rng.uniform(0., 1.)<prob)&&(dist<=rInnerSq)&&(dist>=rOuterSq))
//这里就是将正负样本的扩充统一起来了。对于正样本,由于满足的范围小,prob一定>1。所以满足条件的都要。
//对于负样本来说,rng.uniform(0., 1.)<prob)就不一定成立,所以是随机的保存所产生的满足要求的负样本。 //(附加说明一点,_maxSampleNum这里设置的是10000.一般一个图像至少320*240,所以prob=1/6左右。也就是保存了所有负样本的1/6左右)
{
rect.x=c;//满足上面的条件以后就採集样本并存储到_sampleRect中
rect.y=r;
rect.height=_objectPatch.height;
rect.width=_objectPatch.width;
_sampleRect.push_back(rect);
i++;
} }
}
_sampleRect.resize(i);//这个操作是要确定这个vector的尺寸。 由于vector给你分配的空间往往是大于你所要的。 } //以下的操作基本上是一样的了,其作用是在上一帧的位置附近生成一些待检測的样本。这被觉得是可能的目标出现的位置。
void sampleRect::sampleRect1(Mat& _image, Rect& _objectPatch, float _srw, vector<Rect>& _sampleRect )
{
int rowsz=_image.rows-_objectPatch.height-1;
int colsz =_image.cols -_objectPatch.width-1;
int radSq= _srw*_srw; int dist;
Rect rect; int minrow=max(0,(int)_objectPatch.y-(int)_srw);
int maxrow=min(rowsz,(int)_objectPatch.y+(int)_srw);
int mincol =max(0,(int)_objectPatch.x-(int)_srw);
int maxcol =max(colsz,(int)_objectPatch.x+(int)_srw); int r,c;
int i=0; for( r=minrow; r<=maxrow;r++)
{
for ( c=mincol; c<=maxcol; c++)
{
dist=(_objectPatch.y-r)*(_objectPatch.y-r)+(_objectPatch.x-c)*(_objectPatch.x-c);
if(dist<=radSq )//不在须要prob来限制量了,以下都是一样的了。 {
rect.x=c;
rect.y=r;
rect.height=_objectPatch.height;
rect.width=_objectPatch.width;
_sampleRect.push_back(rect);
i++; } }
}
_sampleRect.resize(i);
}
//本节搞定。

我是实实在在的刚開始学习的人,发现问题请指正啊!谢谢!

压缩跟踪(CT)代码具体学习_模块1(样本的採集和扩充)的更多相关文章

  1. webpack学习_模块热替换(Hot Module Peaplacement)

    模块热替换(Hot Module Replacement 或 HMR) 是webpack提供的最有用的功能之一.允许在u女性是更新各种模块,而无需进行完全刷新. 启用HMR 承接之前的代码 webpa ...

  2. 高速压缩跟踪(fast compressive tracking)(CT)算法分析

    本文为原创,转载请注明出处:http://blog.csdn.net/autocyz/article/details/44490009 Fast Compressive Tracking (高速压缩跟 ...

  3. 压缩跟踪Compressive Tracking

    好了,学习了解了稀疏感知的理论知识后,终于可以来学习<Real-Time Compressive Tracking>这个paper介绍的感知跟踪算法了.自己英文水平有限,理解难免出错,还望 ...

  4. python-Day5-深入正则表达式--冒泡排序-时间复杂度 --常用模块学习:自定义模块--random模块:随机验证码--time & datetime模块

    正则表达式   语法:             mport re #导入模块名 p = re.compile("^[0-9]") #生成要匹配的正则对象 , ^代表从开头匹配,[0 ...

  5. 『TensorFlow』SSD源码学习_其一:论文及开源项目文档介绍

    一.论文介绍 读论文系列:Object Detection ECCV2016 SSD 一句话概括:SSD就是关于类别的多尺度RPN网络 基本思路: 基础网络后接多层feature map 多层feat ...

  6. python学习——常用模块

    在学习常用模块时我们应该知道模块和包是什么,关于模块和包会单独写一篇随笔,下面先来了解有关在python中的几个常用模块. 一.什么是模块 常见的场景:一个模块就是一个包含了python定义和声明的文 ...

  7. 浅谈android代码保护技术_ 加固

    浅谈android代码保护技术_加固 导语 我们知道Android中的反编译工作越来越让人操作熟练,我们辛苦的开发出一个apk,结果被人反编译了,那心情真心不舒服.虽然我们混淆,做到native层,但 ...

  8. jQuery源代码学习_工具函数_type

    jquery源代码学习_工具函数_type jquery里面有一个很重要的工具函数,$.type函数用来判断类型,今天写这篇文章,是来回顾type函数的设计思想,深入理解. 首先来看一下最终结果: 上 ...

  9. 从别人的代码中学习golang系列--01

    自己最近在思考一个问题,如何让自己的代码质量逐渐提高,于是想到整理这个系列,通过阅读别人的代码,从别人的代码中学习,来逐渐提高自己的代码质量.本篇是这个系列的第一篇,我也不知道自己会写多少篇,但是希望 ...

随机推荐

  1. oracle SGA

    3.2 SGA系统全局区--System global area(SGA) 是一组共享的内存结构,它里面存储了oracle数据库实例(instance)的数据和控制文件信息.如果有多个用户同时连接到数 ...

  2. Android开发——Android M(6.0) 权限解决方案

    Android开发--Android M(6.0) 权限解决方案 自从Android M(6.0)发布以来,权限管理相比以前有了很大的改变,很多程序员发现之前运行的好好的Android应用在Andro ...

  3. SuperMap iDesktop之导入数据

    SuperMap作为一个平台软件有自己的数据格式,现要将ESRI的SHP数据导入到SuperMap的udb数据库中,可以完成导入,但也不得不说几点问题. 下面是ArcGIS中批量导入SHP的操作界面. ...

  4. poj 3042 Grazing on the Run

    这个题目原型应该是吃完所有的草丛的最小时间,现在变成了每个草丛被吃的时间和,貌似如果还是按照原来的dp方法dp[i][j]表示吃完i到j的草丛的花掉的时间的话,有两个因素会影响后面的决策,一个是花掉的 ...

  5. Zabbix-Agent在主动模式启动服务后,提示no active checks on server [139.219.xx.xx:10051]: host [139.219.xx.xx] not found

    一.解决方法

  6. python乱码问题之爬虫篇

    UnicodeDecodeError: 'gbk' codec can't decode byte 0xae in position 167: illegal multibyte sequence 使 ...

  7. MongoDB高可用架构:Replica Sets+Sharding

    MongoDB的sharding解决了海量存储和动态扩容的问题.但是遇到单点故障就显得无能为力了.MongoDB的副本集可以很好的解决单点故障的问题.所以就有了Sharding+Replica Set ...

  8. 〖Linux〗安装和使用virtualenv,方便多个Python版本中切换

    1. 安装pip easy_install pip 2. 安装virtualenvwrapper sudo pip install virtualenvwrapper 3. 使用virtualenv ...

  9. 【C#】Excel导出合并行和列并动态加载行与列

    简单的Excel导出比较好做,只要设置表头,循环在表格中赋值添加数据即可,但是如果表头是不固定的,并且个数是不确定的,这就需要根据查询出数据的特点来添加导出了. 导出效果图: 如上图所示,商品的个数是 ...

  10. python模块之JSON

    # -*- coding: utf-8 -*- #python 27 #xiaodeng #python模块之JSON #1.JSON #JSON表示的对象就是标准的JavaScript语言的对象 # ...