【目标跟踪】CACF：Context-Aware Correlation Filter Tracking

CVPR2017的oral，之前读过这篇文章，没get到oral的点在哪，今天有空又读了一遍，感觉嗯，oral还是有oral的理由的……

原文链接：Context-Aware Correlation Filter Tracking

Motivation

这篇文章还是解决的相关滤波的老问题，由于余弦窗（用来抑制边界效应的）和search region的限制，导致CF模板学不到太多的背景信息，当目标发生比较大的形变或者复杂背景干扰的时候，容易跟丢。

Contribution

针对上述问题，作者提出一种框架，显式的学习目标周围的背景信息，这种框架可以广泛地用到基于CF的跟踪算法上。

Algorithm

还是先来看一下pipeline：

上图左边是传统的CF方法，训练（training）和检测（detection）交替进行，简单直接。
右边是CACF作出的改进，可以看到，在训练阶段，作者在目标的上下左右各采了一个context area，在训练过程中，将中间的$A_0$标记为正样本，将附近的上下文区域$A_i$标记为负样本，进行模版的训练。检测阶段与传统CF一样。

传统的CF的目标函数：

作者的改进版：

与原版相比，可以看作是加了一个惩罚项 ∑||A