src/kcf.cpp

   1 #include "kcf.h"
   2 #include <numeric>
   3 #include <thread>
   4 #include <algorithm>
   5
   6 #ifdef FFTW
   7 #include "fft_fftw.h"
   8 #define FFT Fftw
   9 #elif defined(CUFFT)
  10 #include "fft_cufft.h"
  11 #define FFT cuFFT
  12 #else
  13 #include "fft_opencv.h"
  14 #define FFT FftOpencv
  15 #endif
  16
  17 #ifdef OPENMP
  18 #include <omp.h>
  19 #endif // OPENMP
  20
  21 #define DEBUG_PRINT(obj)                                                                                               \
  22     if (m_debug || m_visual_debug) {                                                                                   \
  23         std::cout << #obj << " @" << __LINE__ << std::endl << (obj) << std::endl;                                      \
  24     }
  25 #define DEBUG_PRINTM(obj)                                                                                              \
  26     if (m_debug) {                                                                                                     \
  27         std::cout << #obj << " @" << __LINE__ << " " << (obj).size() << " CH: " << (obj).channels() << std::endl       \
  28                   << (obj) << std::endl;                                                                               \
  29     }
  30
  31 template <typename T>
  32 T clamp(const T& n, const T& lower, const T& upper)
  33 {
  34     return std::max(lower, std::min(n, upper));
  35 }
  36
  37 template <typename T>
  38 void clamp2(T& n, const T& lower, const T& upper)
  39 {
  40     n = std::max(lower, std::min(n, upper));
  41 }
  42
  43 KCF_Tracker::KCF_Tracker(double padding, double kernel_sigma, double lambda, double interp_factor,
  44                          double output_sigma_factor, int cell_size)
  45     : fft(*new FFT()), p_padding(padding), p_output_sigma_factor(output_sigma_factor), p_kernel_sigma(kernel_sigma),
  46       p_lambda(lambda), p_interp_factor(interp_factor), p_cell_size(cell_size)
  47 {
  48 }
  49
  50 KCF_Tracker::KCF_Tracker() : fft(*new FFT()) {}
  51
  52 KCF_Tracker::~KCF_Tracker()
  53 {
  54     delete &fft;
  55 }
  56
  57 void KCF_Tracker::init(cv::Mat &img, const cv::Rect &bbox, int fit_size_x, int fit_size_y)
  58 {
  59     // check boundary, enforce min size
  60     double x1 = bbox.x, x2 = bbox.x + bbox.width, y1 = bbox.y, y2 = bbox.y + bbox.height;
  61     if (x1 < 0) x1 = 0.;
  62     if (x2 > img.cols - 1) x2 = img.cols - 1;
  63     if (y1 < 0) y1 = 0;
  64     if (y2 > img.rows - 1) y2 = img.rows - 1;
  65
  66     if (x2 - x1 < 2 * p_cell_size) {
  67         double diff = (2 * p_cell_size - x2 + x1) / 2.;
  68         if (x1 - diff >= 0 && x2 + diff < img.cols) {
  69             x1 -= diff;
  70             x2 += diff;
  71         } else if (x1 - 2 * diff >= 0) {
  72             x1 -= 2 * diff;
  73         } else {
  74             x2 += 2 * diff;
  75         }
  76     }
  77     if (y2 - y1 < 2 * p_cell_size) {
  78         double diff = (2 * p_cell_size - y2 + y1) / 2.;
  79         if (y1 - diff >= 0 && y2 + diff < img.rows) {
  80             y1 -= diff;
  81             y2 += diff;
  82         } else if (y1 - 2 * diff >= 0) {
  83             y1 -= 2 * diff;
  84         } else {
  85             y2 += 2 * diff;
  86         }
  87     }
  88
  89     p_pose.w = x2 - x1;
  90     p_pose.h = y2 - y1;
  91     p_pose.cx = x1 + p_pose.w / 2.;
  92     p_pose.cy = y1 + p_pose.h / 2.;
  93
  94     cv::Mat input_gray, input_rgb = img.clone();
  95     if (img.channels() == 3) {
  96         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
  97         input_gray.convertTo(input_gray, CV_32FC1);
  98     } else
  99         img.convertTo(input_gray, CV_32FC1);
 100
 101     // don't need too large image
 102     if (p_pose.w * p_pose.h > 100. * 100. && (fit_size_x == -1 || fit_size_y == -1)) {
 103         std::cout << "resizing image by factor of " << 1 / p_downscale_factor << std::endl;
 104         p_resize_image = true;
 105         p_pose.scale(p_downscale_factor);
 106         cv::resize(input_gray, input_gray, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 107         cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 108     } else if (!(fit_size_x == -1 && fit_size_y == -1)) {
 109         if (fit_size_x % p_cell_size != 0 || fit_size_y % p_cell_size != 0) {
 110             std::cerr << "Error: Fit size is not multiple of HOG cell size (" << p_cell_size << ")" << std::endl;
 111             std::exit(EXIT_FAILURE);
 112         }
 113         p_scale_factor_x = (double)fit_size_x / round(p_pose.w * (1. + p_padding));
 114         p_scale_factor_y = (double)fit_size_y / round(p_pose.h * (1. + p_padding));
 115         std::cout << "resizing image horizontaly by factor of " << p_scale_factor_x << " and verticaly by factor of "
 116                   << p_scale_factor_y << std::endl;
 117         p_fit_to_pw2 = true;
 118         p_pose.scale_x(p_scale_factor_x);
 119         p_pose.scale_y(p_scale_factor_y);
 120         if (fabs(p_scale_factor_x - 1) > p_floating_error || fabs(p_scale_factor_y - 1) > p_floating_error) {
 121             if (p_scale_factor_x < 1 && p_scale_factor_y < 1) {
 122                 cv::resize(input_gray, input_gray, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_AREA);
 123                 cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_AREA);
 124             } else {
 125                 cv::resize(input_gray, input_gray, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_LINEAR);
 126                 cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_LINEAR);
 127             }
 128         }
 129     }
 130
 131     // compute win size + fit to fhog cell size
 132     p_windows_size.width = round(p_pose.w * (1. + p_padding) / p_cell_size) * p_cell_size;
 133     p_windows_size.height = round(p_pose.h * (1. + p_padding) / p_cell_size) * p_cell_size;
 134     p_roi.width = p_windows_size.width / p_cell_size;
 135     p_roi.height = p_windows_size.height / p_cell_size;
 136
 137     p_scales.clear();
 138     if (m_use_scale) {
 139         for (int i = -int(p_num_scales) / 2; i <= int(p_num_scales) / 2; ++i)
 140             p_scales.push_back(std::pow(p_scale_step, i));
 141     } else {
 142         p_scales.push_back(1.);
 143         p_num_scales = 1;
 144     }
 145
 146     if (m_use_angle) {
 147         for (int i = p_angle_min; i <= p_angle_max; i += p_angle_step)
 148             p_angles.push_back(i);
 149     } else {
 150         p_angles.push_back(0);
 151         p_num_angles = 1;
 152     }
 153
 154 #ifdef CUFFT
 155     if (p_roi.height * (p_roi.width / 2 + 1) > 1024) {
 156         std::cerr << "Window after forward FFT is too big for CUDA kernels. Plese use -f to set "
 157                      "the window dimensions so its size is less or equal to "
 158                   << 1024 * p_cell_size * p_cell_size * 2 + 1
 159                   << " pixels . Currently the size of the window is: " << p_windows_size.width << "x"
 160                   << p_windows_size.height << " which is  " << p_windows_size.width * p_windows_size.height
 161                   << " pixels. " << std::endl;
 162         std::exit(EXIT_FAILURE);
 163     }
 164
 165     if (m_use_linearkernel) {
 166         std::cerr << "cuFFT supports only Gaussian kernel." << std::endl;
 167         std::exit(EXIT_FAILURE);
 168     }
 169
 170     CudaSafeCall(cudaSetDeviceFlags(cudaDeviceMapHost));
 171
 172     p_rot_labels_data = DynMem(p_roi.width * p_roi.height * sizeof(float));
 173     p_rot_labels = cv::Mat(p_roi, CV_32FC1, p_rot_labels_data.hostMem());
 174 #endif
 175
 176 #if defined(CUFFT) || defined(FFTW)
 177     uint width = p_roi.width / 2 + 1;
 178 #else
 179     uint width = p_roi.width;
 180 #endif
 181     p_model_xf.create(p_roi.height, width, p_num_of_feats);
 182     p_yf.create(p_roi.height, width, 1);
 183     p_xf.create(p_roi.height, width, p_num_of_feats);
 184
 185     int max1 = BIG_BATCH_MODE ? 2 : p_num_scales;
 186     int max2 = BIG_BATCH_MODE ? 1 : p_num_angles;
 187     for (int i = 0; i < max1; ++i) {
 188         for (int j = 0; j < max2; ++j) {
 189             if (BIG_BATCH_MODE && i == 1)
 190                 p_threadctxs.emplace_back(p_roi, p_num_of_feats * p_num_scales * p_num_angles, 1, 0, p_num_scales,
 191                                           p_num_angles);
 192             else
 193                 p_threadctxs.emplace_back(p_roi, p_num_of_feats, p_scales[i], p_angles[j]);
 194         }
 195     }
 196
 197     p_current_scale = 1.;
 198
 199     double min_size_ratio = std::max(5. * p_cell_size / p_windows_size.width, 5. * p_cell_size / p_windows_size.height);
 200     double max_size_ratio =
 201         std::min(floor((img.cols + p_windows_size.width / 3) / p_cell_size) * p_cell_size / p_windows_size.width,
 202                  floor((img.rows + p_windows_size.height / 3) / p_cell_size) * p_cell_size / p_windows_size.height);
 203     p_min_max_scale[0] = std::pow(p_scale_step, std::ceil(std::log(min_size_ratio) / log(p_scale_step)));
 204     p_min_max_scale[1] = std::pow(p_scale_step, std::floor(std::log(max_size_ratio) / log(p_scale_step)));
 205
 206     std::cout << "init: img size " << img.cols << "x" << img.rows << std::endl;
 207     std::cout << "init: win size " << p_windows_size.width << "x" << p_windows_size.height << std::endl;
 208     std::cout << "init: FFT size " << p_roi.width << "x" << p_roi.height << std::endl;
 209     std::cout << "init: min max scales factors: " << p_min_max_scale[0] << " " << p_min_max_scale[1] << std::endl;
 210
 211     p_output_sigma = std::sqrt(p_pose.w * p_pose.h) * p_output_sigma_factor / p_cell_size;
 212
 213     fft.init(p_roi.width, p_roi.height, p_num_of_feats, p_num_scales);
 214     fft.set_window(cosine_window_function(p_roi.width, p_roi.height));
 215
 216     // window weights, i.e. labels
 217     fft.forward(gaussian_shaped_labels(p_output_sigma, p_roi.width, p_roi.height), p_yf,
 218                 m_use_cuda ? p_rot_labels_data.deviceMem() : nullptr, p_threadctxs.front().stream);
 219     DEBUG_PRINTM(p_yf);
 220
 221     // obtain a sub-window for training initial model
 222     int size_x_scaled = floor(p_windows_size.width);
 223     int size_y_scaled = floor(p_windows_size.height);
 224
 225     cv::Mat patch_gray = get_subwindow(input_gray, this->p_pose.cx, this->p_pose.cy, size_x_scaled, size_y_scaled);
 226     geometric_transformations(patch_gray, p_windows_size.width, p_windows_size.height, 0, false);
 227
 228     cv::Mat patch_rgb;
 229     if ((m_use_color || m_use_cnfeat) && input_rgb.channels() == 3) {
 230         patch_rgb = get_subwindow(input_rgb, this->p_pose.cx, this->p_pose.cy, size_x_scaled, size_y_scaled);
 231         geometric_transformations(patch_rgb, p_windows_size.width, p_windows_size.height, 0, false);
 232     }
 233
 234     std::vector<cv::Mat> patch_feats = get_features(patch_rgb, patch_gray);
 235     fft.forward_window(patch_feats, p_model_xf, p_threadctxs.front().fw_all,
 236                        m_use_cuda ? p_threadctxs.front().data_features.deviceMem() : nullptr,
 237                        p_threadctxs.front().stream);
 238     DEBUG_PRINTM(p_model_xf);
 239
 240 #if !defined(BIG_BATCH) && defined(CUFFT) && (defined(ASYNC) || defined(OPENMP))
 241     p_threadctxs.front().model_xf = p_model_xf;
 242     p_threadctxs.front().model_xf.set_stream(p_threadctxs.front().stream);
 243     p_yf.set_stream(p_threadctxs.front().stream);
 244     p_model_xf.set_stream(p_threadctxs.front().stream);
 245     p_xf.set_stream(p_threadctxs.front().stream);
 246 #endif
 247
 248     if (m_use_linearkernel) {
 249         ComplexMat xfconj = p_model_xf.conj();
 250         p_model_alphaf_num = xfconj.mul(p_yf);
 251         p_model_alphaf_den = (p_model_xf * xfconj);
 252     } else {
 253         // Kernel Ridge Regression, calculate alphas (in Fourier domain)
 254 #if  !defined(BIG_BATCH) && defined(CUFFT) && (defined(ASYNC) || defined(OPENMP))
 255         gaussian_correlation(p_threadctxs.front(), p_threadctxs.front().model_xf, p_threadctxs.front().model_xf,
 256                              p_kernel_sigma, true);
 257 #else
 258         gaussian_correlation(p_threadctxs.front(), p_model_xf, p_model_xf, p_kernel_sigma, true);
 259 #endif
 260         DEBUG_PRINTM(p_threadctxs.front().kf);
 261         p_model_alphaf_num = p_yf * p_threadctxs.front().kf;
 262         DEBUG_PRINTM(p_model_alphaf_num);
 263         p_model_alphaf_den = p_threadctxs.front().kf * (p_threadctxs.front().kf + float(p_lambda));
 264         DEBUG_PRINTM(p_model_alphaf_den);
 265     }
 266     p_model_alphaf = p_model_alphaf_num / p_model_alphaf_den;
 267     DEBUG_PRINTM(p_model_alphaf);
 268     //        p_model_alphaf = p_yf / (kf + p_lambda);   //equation for fast training
 269
 270 #if  !defined(BIG_BATCH) && defined(CUFFT) && (defined(ASYNC) || defined(OPENMP))
 271     for (auto it = p_threadctxs.begin(); it != p_threadctxs.end(); ++it) {
 272         it->model_xf = p_model_xf;
 273         it->model_xf.set_stream(it->stream);
 274         it->model_alphaf = p_model_alphaf;
 275         it->model_alphaf.set_stream(it->stream);
 276     }
 277 #endif
 278 }
 279
 280 void KCF_Tracker::setTrackerPose(BBox_c &bbox, cv::Mat &img, int fit_size_x, int fit_size_y)
 281 {
 282     init(img, bbox.get_rect(), fit_size_x, fit_size_y);
 283 }
 284
 285 void KCF_Tracker::updateTrackerPosition(BBox_c &bbox)
 286 {
 287     if (p_resize_image) {
 288         BBox_c tmp = bbox;
 289         tmp.scale(p_downscale_factor);
 290         p_pose.cx = tmp.cx;
 291         p_pose.cy = tmp.cy;
 292     } else if (p_fit_to_pw2) {
 293         BBox_c tmp = bbox;
 294         tmp.scale_x(p_scale_factor_x);
 295         tmp.scale_y(p_scale_factor_y);
 296         p_pose.cx = tmp.cx;
 297         p_pose.cy = tmp.cy;
 298     } else {
 299         p_pose.cx = bbox.cx;
 300         p_pose.cy = bbox.cy;
 301     }
 302 }
 303
 304 BBox_c KCF_Tracker::getBBox()
 305 {
 306     BBox_c tmp = p_pose;
 307     tmp.w *= p_current_scale;
 308     tmp.h *= p_current_scale;
 309     tmp.a = p_current_angle;
 310
 311     if (p_resize_image) tmp.scale(1 / p_downscale_factor);
 312     if (p_fit_to_pw2) {
 313         tmp.scale_x(1 / p_scale_factor_x);
 314         tmp.scale_y(1 / p_scale_factor_y);
 315     }
 316
 317     return tmp;
 318 }
 319
 320 double KCF_Tracker::getFilterResponse() const
 321 {
 322     return this->max_response;
 323 }
 324
 325 void KCF_Tracker::track(cv::Mat &img)
 326 {
 327     if (m_debug || m_visual_debug) std::cout << "\nNEW FRAME" << std::endl;
 328     cv::Mat input_gray, input_rgb = img.clone();
 329     if (img.channels() == 3) {
 330         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
 331         input_gray.convertTo(input_gray, CV_32FC1);
 332     } else
 333         img.convertTo(input_gray, CV_32FC1);
 334
 335     // don't need too large image
 336     if (p_resize_image) {
 337         cv::resize(input_gray, input_gray, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 338         cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 339     } else if (p_fit_to_pw2 && fabs(p_scale_factor_x - 1) > p_floating_error &&
 340                fabs(p_scale_factor_y - 1) > p_floating_error) {
 341         if (p_scale_factor_x < 1 && p_scale_factor_y < 1) {
 342             cv::resize(input_gray, input_gray, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_AREA);
 343             cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_AREA);
 344         } else {
 345             cv::resize(input_gray, input_gray, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_LINEAR);
 346             cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_LINEAR);
 347         }
 348     }
 349     max_response = -1.;
 350     ThreadCtx *max = nullptr;
 351     cv::Point2i *max_response_pt = nullptr;
 352     cv::Mat *max_response_map = nullptr;
 353
 354 #ifdef ASYNC
 355     for (auto &it : p_threadctxs)
 356         it.async_res = std::async(std::launch::async, [this, &input_gray, &input_rgb, &it]() -> void {
 357             scale_track(it, input_rgb, input_gray);
 358         });
 359     for (auto const &it : p_threadctxs)
 360         it.async_res.wait();
 361 #else  // !ASYNC
 362     NORMAL_OMP_PARALLEL_FOR
 363     for (uint i =  BIG_BATCH_MODE ? 1 : 0; i < p_threadctxs.size(); ++i)
 364         scale_track(p_threadctxs[i], input_rgb, input_gray);
 365 #endif
 366
 367 #ifndef BIG_BATCH
 368     for (auto &it : p_threadctxs) {
 369         if (it.max_response > max_response) {
 370             max_response = it.max_response;
 371             max_response_pt = &it.max_loc;
 372             max_response_map = &it.response;
 373             max = &it;
 374         }
 375     }
 376 #else
 377     for (uint j = 0; j < p_num_scales; ++j) {
 378         for (uint k = 0; k < p_num_angles; ++k) {
 379             if (p_threadctxs.back().max_responses[j + k] > max_response) {
 380                 max_response = p_threadctxs.back().max_responses[j + k];
 381                 max_response_pt = &p_threadctxs.back().max_locs[j + k];
 382                 max_response_map = &p_threadctxs.back().response_maps[j + k];
 383             }
 384         }
 385     }
 386     max = &p_threadctxs.back();
 387 #endif
 388     if (m_visual_debug) {
 389         cv::Mat all_responses(cv::Size(p_num_angles* p_debug_image_size, p_num_scales * p_debug_image_size),
 390                               p_debug_scale_responses[0].type(), cv::Scalar::all(0));
 391         cv::Mat all_subwindows(cv::Size(p_num_angles* p_debug_image_size, p_num_scales* p_debug_image_size),
 392                                p_debug_subwindows[0].type(), cv::Scalar::all(0));
 393         for (size_t i = 0; i < p_num_scales; ++i) {
 394             for (size_t j = 0; j < p_num_angles; ++j) {
 395                 cv::Mat in_roi(all_responses, cv::Rect(j * p_debug_image_size, i * p_debug_image_size,
 396                                                        p_debug_image_size, p_debug_image_size));
 397                 p_debug_scale_responses[5 * i + j].copyTo(in_roi);
 398                 in_roi = all_subwindows(
 399                     cv::Rect(j * p_debug_image_size, i * p_debug_image_size, p_debug_image_size, p_debug_image_size));
 400                 p_debug_subwindows[5 * i + j].copyTo(in_roi);
 401             }
 402         }
 403         cv::namedWindow("All subwindows", CV_WINDOW_AUTOSIZE);
 404         cv::imshow("All subwindows", all_subwindows);
 405         cv::namedWindow("All responses", CV_WINDOW_AUTOSIZE);
 406         cv::imshow("All responses", all_responses);
 407         cv::waitKey();
 408         p_debug_scale_responses.clear();
 409         p_debug_subwindows.clear();
 410     }
 411
 412     DEBUG_PRINTM(*max_response_map);
 413     DEBUG_PRINT(*max_response_pt);
 414
 415     // sub pixel quadratic interpolation from neighbours
 416     if (max_response_pt->y > max_response_map->rows / 2) // wrap around to negative half-space of vertical axis
 417         max_response_pt->y = max_response_pt->y - max_response_map->rows;
 418     if (max_response_pt->x > max_response_map->cols / 2) // same for horizontal axis
 419         max_response_pt->x = max_response_pt->x - max_response_map->cols;
 420
 421     cv::Point2f new_location(max_response_pt->x, max_response_pt->y);
 422     DEBUG_PRINT(new_location);
 423
 424     if (m_use_subpixel_localization)
 425         new_location = sub_pixel_peak(*max_response_pt, *max_response_map);
 426     DEBUG_PRINT(new_location);
 427
 428     if (m_visual_debug) std::cout << "Old p_pose, cx: " << p_pose.cx << " cy: " << p_pose.cy << std::endl;
 429
 430     p_pose.cx += p_current_scale * p_cell_size * double(new_location.x);
 431     p_pose.cy += p_current_scale * p_cell_size * double(new_location.y);
 432
 433     if (m_visual_debug) std::cout << "New p_pose, cx: " << p_pose.cx << " cy: " << p_pose.cy << std::endl;
 434
 435     if (p_fit_to_pw2) {
 436         clamp2(p_pose.cx, 0.0, (img.cols * p_scale_factor_x) - 1);
 437         clamp2(p_pose.cy, 0.0, (img.rows * p_scale_factor_y) - 1);
 438     } else {
 439         clamp2(p_pose.cx, 0.0, img.cols - 1.0);
 440         clamp2(p_pose.cy, 0.0, img.rows - 1.0);
 441     }
 442
 443     // sub grid scale interpolation
 444     if (m_use_subgrid_scale) {
 445         auto it = std::find_if(p_threadctxs.begin(), p_threadctxs.end(), [max](ThreadCtx &ctx) { return &ctx == max; });
 446         p_current_scale *= sub_grid_scale(std::distance(p_threadctxs.begin(), it));
 447     } else {
 448         p_current_scale *= max->scale;
 449     }
 450
 451     clamp2(p_current_scale, p_min_max_scale[0], p_min_max_scale[1]);
 452
 453     if (p_current_scale < p_min_max_scale[0]) p_current_scale = p_min_max_scale[0];
 454     if (p_current_scale > p_min_max_scale[1]) p_current_scale = p_min_max_scale[1];
 455
 456     p_current_angle = (p_current_angle + max->angle) < 0
 457                           ? -std::abs(p_current_angle + max->angle) % 360
 458                           : (p_current_angle + max->angle) % 360;
 459
 460     // obtain a subwindow for training at newly estimated target position
 461     int size_x_scaled = floor(p_windows_size.width * p_current_scale);
 462     int size_y_scaled = floor(p_windows_size.height * p_current_scale);
 463
 464     cv::Mat patch_gray = get_subwindow(input_gray, this->p_pose.cx, this->p_pose.cy, size_x_scaled, size_y_scaled);
 465     geometric_transformations(patch_gray, p_windows_size.width, p_windows_size.height, p_current_angle, false);
 466
 467     cv::Mat patch_rgb = cv::Mat::zeros(size_y_scaled, size_x_scaled, CV_32F);
 468     if ((m_use_color || m_use_cnfeat) && input_rgb.channels() == 3) {
 469         patch_rgb = get_subwindow(input_rgb, this->p_pose.cx, this->p_pose.cy, size_x_scaled, size_y_scaled);
 470         geometric_transformations(patch_rgb, p_windows_size.width, p_windows_size.height, p_current_angle, false);
 471     }
 472
 473     ThreadCtx &ctx = p_threadctxs.front();
 474     std::vector<cv::Mat> patch_feats = get_features(patch_rgb, patch_gray);
 475     fft.forward_window(patch_feats, p_xf, ctx.fw_all, m_use_cuda ? ctx.data_features.deviceMem() : nullptr, ctx.stream);
 476
 477     // subsequent frames, interpolate model
 478     p_model_xf = p_model_xf * float((1. - p_interp_factor)) + p_xf * float(p_interp_factor);
 479
 480     ComplexMat alphaf_num, alphaf_den;
 481
 482     if (m_use_linearkernel) {
 483         ComplexMat xfconj = p_xf.conj();
 484         alphaf_num = xfconj.mul(p_yf);
 485         alphaf_den = (p_xf * xfconj);
 486     } else {
 487         // Kernel Ridge Regression, calculate alphas (in Fourier domain)
 488         gaussian_correlation(ctx, p_xf, p_xf, p_kernel_sigma,
 489                              true);
 490         //        ComplexMat alphaf = p_yf / (kf + p_lambda); //equation for fast training
 491         //        p_model_alphaf = p_model_alphaf * (1. - p_interp_factor) + alphaf * p_interp_factor;
 492         alphaf_num = p_yf * ctx.kf;
 493         alphaf_den = ctx.kf * (ctx.kf + float(p_lambda));
 494     }
 495
 496     p_model_alphaf_num = p_model_alphaf_num * float((1. - p_interp_factor)) + alphaf_num * float(p_interp_factor);
 497     p_model_alphaf_den = p_model_alphaf_den * float((1. - p_interp_factor)) + alphaf_den * float(p_interp_factor);
 498     p_model_alphaf = p_model_alphaf_num / p_model_alphaf_den;
 499
 500 #if  !defined(BIG_BATCH) && defined(CUFFT) && (defined(ASYNC) || defined(OPENMP))
 501     for (auto it = p_threadctxs.begin(); it != p_threadctxs.end(); ++it) {
 502         it->model_xf = p_model_xf;
 503         it->model_xf.set_stream(it->stream);
 504         it->model_alphaf = p_model_alphaf;
 505         it->model_alphaf.set_stream(it->stream);
 506     }
 507 #endif
 508 }
 509
 510 void KCF_Tracker::scale_track(ThreadCtx &vars, cv::Mat &input_rgb, cv::Mat &input_gray)
 511 {
 512     std::vector<cv::Mat> patch_feats;
 513     if (BIG_BATCH_MODE) {
 514         BIG_BATCH_OMP_PARALLEL_FOR
 515         for (uint i = 0; i < this->p_scales.size(); ++i) {
 516             for (uint j = 0; j < this->p_angles.size(); ++j) {
 517                 int size_x_scaled = floor(this->p_windows_size.width * this->p_current_scale * this->p_scales[i]);
 518                 int size_y_scaled = floor(this->p_windows_size.height * this->p_current_scale * this->p_scales[i]);
 519
 520                 cv::Mat patch_gray =
 521                     get_subwindow(input_gray, this->p_pose.cx, this->p_pose.cy, size_x_scaled, size_y_scaled);
 522                 geometric_transformations(patch_gray, p_windows_size.width, p_windows_size.height,
 523                                           p_current_scale * this->p_scales[i], p_current_angle + this->p_angles[j]);
 524
 525                 cv::Mat patch_rgb;
 526                 if ((m_use_color || m_use_cnfeat) && input_rgb.channels() == 3) {
 527                     patch_rgb =
 528                         get_subwindow(input_rgb, this->p_pose.cx, this->p_pose.cy, size_x_scaled, size_y_scaled);
 529                     geometric_transformations(patch_rgb, p_windows_size.width, p_windows_size.height,
 530                                               p_current_scale * this->p_scales[i], p_current_angle + this->p_angles[j]);
 531                 }
 532                 std::vector<cv::Mat> tmp = get_features(patch_rgb, patch_gray);
 533                 BIG_BATCH_OMP_ORDERED
 534                 patch_feats.insert(patch_feats.end(), tmp.begin(), tmp.end());
 535             }
 536         }
 537     } else {
 538         int size_x_scaled = floor(this->p_windows_size.width * this->p_current_scale * vars.scale);
 539         int size_y_scaled = floor(this->p_windows_size.height * this->p_current_scale * vars.scale);
 540
 541         cv::Mat patch_gray = get_subwindow(input_gray, this->p_pose.cx, this->p_pose.cy, size_x_scaled, size_y_scaled);
 542         geometric_transformations(patch_gray, p_windows_size.width, p_windows_size.height, p_current_scale * vars.scale);
 543
 544         cv::Mat patch_rgb;
 545         if ((m_use_color || m_use_cnfeat) && input_rgb.channels() == 3) {
 546             patch_rgb = get_subwindow(input_rgb, this->p_pose.cx, this->p_pose.cy, size_x_scaled, size_y_scaled);
 547             geometric_transformations(patch_rgb, p_windows_size.width, p_windows_size.height, p_current_scale * vars.scale,
 548                                       p_current_angle + vars.angle);
 549         }
 550         patch_feats = get_features(patch_rgb, patch_gray);
 551     }
 552
 553     fft.forward_window(patch_feats, vars.zf, vars.fw_all, m_use_cuda ? vars.data_features.deviceMem() : nullptr,
 554                        vars.stream);
 555     DEBUG_PRINTM(vars.zf);
 556
 557     if (m_use_linearkernel) {
 558         vars.kzf = BIG_BATCH_MODE ? (vars.zf.mul2(this->p_model_alphaf)).sum_over_channels()
 559                                    : (p_model_alphaf * vars.zf).sum_over_channels();
 560         fft.inverse(vars.kzf, vars.response, m_use_cuda ? vars.data_i_1ch.deviceMem() : nullptr, vars.stream);
 561     } else {
 562 #if !defined(BIG_BATCH) && defined(CUFFT) && (defined(ASYNC) || defined(OPENMP))
 563         gaussian_correlation(vars, vars.zf, vars.model_xf, this->p_kernel_sigma);
 564         vars.kzf = vars.model_alphaf * vars.kzf;
 565 #else
 566         gaussian_correlation(vars, vars.zf, this->p_model_xf, this->p_kernel_sigma);
 567         DEBUG_PRINTM(this->p_model_alphaf);
 568         DEBUG_PRINTM(vars.kzf);
 569         vars.kzf = BIG_BATCH_MODE ? vars.kzf.mul(this->p_model_alphaf) : this->p_model_alphaf * vars.kzf;
 570 #endif
 571         fft.inverse(vars.kzf, vars.response, m_use_cuda ? vars.data_i_1ch.deviceMem() : nullptr, vars.stream);
 572     }
 573
 574     DEBUG_PRINTM(vars.response);
 575
 576     /* target location is at the maximum response. we must take into
 577     account the fact that, if the target doesn't move, the peak
 578     will appear at the top-left corner, not at the center (this is
 579     discussed in the paper). the responses wrap around cyclically. */
 580 #ifdef BIG_BATCH
 581     cv::split(vars.response, vars.response_maps);
 582
 583     for (size_t i = 0; i < p_scales.size(); ++i) {
 584         double min_val, max_val;
 585         cv::Point2i min_loc, max_loc;
 586         cv::minMaxLoc(vars.response_maps[i], &min_val, &max_val, &min_loc, &max_loc);
 587         DEBUG_PRINT(max_loc);
 588         double weight = p_scales[i] < 1. ? p_scales[i] : 1. / p_scales[i];
 589         vars.max_responses[i] = max_val * weight;
 590         vars.max_locs[i] = max_loc;
 591     }
 592 #else
 593     double min_val;
 594     cv::Point2i min_loc;
 595     cv::minMaxLoc(vars.response, &min_val, &vars.max_val, &min_loc, &vars.max_loc);
 596
 597     DEBUG_PRINT(vars.max_loc);
 598
 599     double weight = vars.scale < 1. ? vars.scale : 1. / vars.scale;
 600     vars.max_response = vars.max_val * weight;
 601 #endif
 602     return;
 603 }
 604
 605 // ****************************************************************************
 606
 607 std::vector<cv::Mat> KCF_Tracker::get_features(cv::Mat &patch_rgb, cv::Mat &patch_gray)
 608 {
 609     // get hog(Histogram of Oriented Gradients) features
 610     std::vector<cv::Mat> hog_feat = FHoG::extract(patch_gray, 2, p_cell_size, 9);
 611
 612     // get color rgb features (simple r,g,b channels)
 613     std::vector<cv::Mat> color_feat;
 614
 615     if (m_use_color && patch_rgb.channels() == 3) {
 616         // use rgb color space
 617         cv::Mat patch_rgb_norm;
 618         patch_rgb.convertTo(patch_rgb_norm, CV_32F, 1. / 255., -0.5);
 619         cv::Mat ch1(patch_rgb_norm.size(), CV_32FC1);
 620         cv::Mat ch2(patch_rgb_norm.size(), CV_32FC1);
 621         cv::Mat ch3(patch_rgb_norm.size(), CV_32FC1);
 622         std::vector<cv::Mat> rgb = {ch1, ch2, ch3};
 623         cv::split(patch_rgb_norm, rgb);
 624         color_feat.insert(color_feat.end(), rgb.begin(), rgb.end());
 625     }
 626
 627     if (m_use_cnfeat && patch_rgb.channels() == 3) {
 628         std::vector<cv::Mat> cn_feat = CNFeat::extract(patch_rgb);
 629         color_feat.insert(color_feat.end(), cn_feat.begin(), cn_feat.end());
 630     }
 631
 632     hog_feat.insert(hog_feat.end(), color_feat.begin(), color_feat.end());
 633     return hog_feat;
 634 }
 635
 636 cv::Mat KCF_Tracker::gaussian_shaped_labels(double sigma, int dim1, int dim2)
 637 {
 638     cv::Mat labels(dim2, dim1, CV_32FC1);
 639     int range_y[2] = {-dim2 / 2, dim2 - dim2 / 2};
 640     int range_x[2] = {-dim1 / 2, dim1 - dim1 / 2};
 641
 642     double sigma_s = sigma * sigma;
 643
 644     for (int y = range_y[0], j = 0; y < range_y[1]; ++y, ++j) {
 645         float *row_ptr = labels.ptr<float>(j);
 646         double y_s = y * y;
 647         for (int x = range_x[0], i = 0; x < range_x[1]; ++x, ++i) {
 648             row_ptr[i] = std::exp(-0.5 * (y_s + x * x) / sigma_s); //-1/2*e^((y^2+x^2)/sigma^2)
 649         }
 650     }
 651
 652     // rotate so that 1 is at top-left corner (see KCF paper for explanation)
 653 #ifdef CUFFT
 654     cv::Mat tmp = circshift(labels, range_x[0], range_y[0]);
 655     tmp.copyTo(p_rot_labels);
 656
 657     assert(p_rot_labels.at<float>(0, 0) >= 1.f - 1e-10f);
 658     return tmp;
 659 #else
 660     cv::Mat rot_labels = circshift(labels, range_x[0], range_y[0]);
 661     // sanity check, 1 at top left corner
 662     assert(rot_labels.at<float>(0, 0) >= 1.f - 1e-10f);
 663
 664     return rot_labels;
 665 #endif
 666 }
 667
 668 cv::Mat KCF_Tracker::circshift(const cv::Mat &patch, int x_rot, int y_rot)
 669 {
 670     cv::Mat rot_patch(patch.size(), CV_32FC1);
 671     cv::Mat tmp_x_rot(patch.size(), CV_32FC1);
 672
 673     // circular rotate x-axis
 674     if (x_rot < 0) {
 675         // move part that does not rotate over the edge
 676         cv::Range orig_range(-x_rot, patch.cols);
 677         cv::Range rot_range(0, patch.cols - (-x_rot));
 678         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 679
 680         // rotated part
 681         orig_range = cv::Range(0, -x_rot);
 682         rot_range = cv::Range(patch.cols - (-x_rot), patch.cols);
 683         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 684     } else if (x_rot > 0) {
 685         // move part that does not rotate over the edge
 686         cv::Range orig_range(0, patch.cols - x_rot);
 687         cv::Range rot_range(x_rot, patch.cols);
 688         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 689
 690         // rotated part
 691         orig_range = cv::Range(patch.cols - x_rot, patch.cols);
 692         rot_range = cv::Range(0, x_rot);
 693         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 694     } else { // zero rotation
 695         // move part that does not rotate over the edge
 696         cv::Range orig_range(0, patch.cols);
 697         cv::Range rot_range(0, patch.cols);
 698         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 699     }
 700
 701     // circular rotate y-axis
 702     if (y_rot < 0) {
 703         // move part that does not rotate over the edge
 704         cv::Range orig_range(-y_rot, patch.rows);
 705         cv::Range rot_range(0, patch.rows - (-y_rot));
 706         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 707
 708         // rotated part
 709         orig_range = cv::Range(0, -y_rot);
 710         rot_range = cv::Range(patch.rows - (-y_rot), patch.rows);
 711         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 712     } else if (y_rot > 0) {
 713         // move part that does not rotate over the edge
 714         cv::Range orig_range(0, patch.rows - y_rot);
 715         cv::Range rot_range(y_rot, patch.rows);
 716         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 717
 718         // rotated part
 719         orig_range = cv::Range(patch.rows - y_rot, patch.rows);
 720         rot_range = cv::Range(0, y_rot);
 721         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 722     } else { // zero rotation
 723         // move part that does not rotate over the edge
 724         cv::Range orig_range(0, patch.rows);
 725         cv::Range rot_range(0, patch.rows);
 726         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 727     }
 728
 729     return rot_patch;
 730 }
 731
 732 // hann window actually (Power-of-cosine windows)
 733 cv::Mat KCF_Tracker::cosine_window_function(int dim1, int dim2)
 734 {
 735     cv::Mat m1(1, dim1, CV_32FC1), m2(dim2, 1, CV_32FC1);
 736     double N_inv = 1. / (static_cast<double>(dim1) - 1.);
 737     for (int i = 0; i < dim1; ++i)
 738         m1.at<float>(i) = float(0.5 * (1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv)));
 739     N_inv = 1. / (static_cast<double>(dim2) - 1.);
 740     for (int i = 0; i < dim2; ++i)
 741         m2.at<float>(i) = float(0.5 * (1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv)));
 742     cv::Mat ret = m2 * m1;
 743     return ret;
 744 }
 745
 746 // Returns sub-window of image input centered at [cx, cy] coordinates),
 747 // with size [width, height]. If any pixels are outside of the image,
 748 // they will replicate the values at the borders.
 749 cv::Mat KCF_Tracker::get_subwindow(const cv::Mat &input, int cx, int cy, int width, int height)
 750 {
 751     cv::Mat patch;
 752
 753     int x1 = cx - width / 2;
 754     int y1 = cy - height / 2;
 755     int x2 = cx + width / 2;
 756     int y2 = cy + height / 2;
 757
 758     // out of image
 759     if (x1 >= input.cols || y1 >= input.rows || x2 < 0 || y2 < 0) {
 760         patch.create(height, width, input.type());
 761         patch.setTo(double(0.f));
 762         return patch;
 763     }
 764
 765     int top = 0, bottom = 0, left = 0, right = 0;
 766
 767     // fit to image coordinates, set border extensions;
 768     if (x1 < 0) {
 769         left = -x1;
 770         x1 = 0;
 771     }
 772     if (y1 < 0) {
 773         top = -y1;
 774         y1 = 0;
 775     }
 776     if (x2 >= input.cols) {
 777         right = x2 - input.cols + width % 2;
 778         x2 = input.cols;
 779     } else
 780         x2 += width % 2;
 781
 782     if (y2 >= input.rows) {
 783         bottom = y2 - input.rows + height % 2;
 784         y2 = input.rows;
 785     } else
 786         y2 += height % 2;
 787
 788     if (x2 - x1 == 0 || y2 - y1 == 0)
 789         patch = cv::Mat::zeros(height, width, CV_32FC1);
 790     else
 791         cv::copyMakeBorder(input(cv::Range(y1, y2), cv::Range(x1, x2)), patch, top, bottom, left, right,
 792                            cv::BORDER_REPLICATE);
 793
 794     // sanity check
 795     assert(patch.cols == width && patch.rows == height);
 796
 797     return patch;
 798 }
 799
 800 void KCF_Tracker::geometric_transformations(cv::Mat &patch, int size_x, int size_y, int angle, bool allow_debug)
 801 {
 802     if (m_use_angle) {
 803         cv::Point2f center((patch.cols - 1) / 2., (patch.rows - 1) / 2.);
 804         cv::Mat r = cv::getRotationMatrix2D(center, angle, 1.0);
 805
 806         cv::warpAffine(patch, patch, r, cv::Size(patch.cols, patch.rows), cv::INTER_LINEAR, cv::BORDER_REPLICATE);
 807     }
 808
 809     // resize to default size
 810     if (patch.channels() != 3) {
 811         if (patch.cols / size_x > 1.) {
 812             // if we downsample use  INTER_AREA interpolation
 813             cv::resize(patch, patch, cv::Size(size_x, size_y), 0., 0., cv::INTER_AREA);
 814         } else {
 815             cv::resize(patch, patch, cv::Size(size_x, size_y), 0., 0., cv::INTER_LINEAR);
 816         }
 817     } else {
 818         if (patch.cols / size_x > 1.) {
 819             // if we downsample use  INTER_AREA interpolation
 820             cv::resize(patch, patch, cv::Size(size_x / p_cell_size, size_y / p_cell_size), 0., 0., cv::INTER_AREA);
 821         } else {
 822             cv::resize(patch, patch, cv::Size(size_x / p_cell_size, size_y / p_cell_size), 0., 0., cv::INTER_LINEAR);
 823         }
 824         if (m_visual_debug && allow_debug) {
 825             cv::Mat input_clone = patch.clone();
 826             cv::resize(input_clone, input_clone, cv::Size(p_debug_image_size, p_debug_image_size), 0., 0.,
 827                        cv::INTER_LINEAR);
 828
 829             std::string angle_string = std::to_string(p_current_angle + angle);
 830
 831             cv::putText(input_clone, angle_string, cv::Point(1, input_clone.rows - 5), cv::FONT_HERSHEY_COMPLEX_SMALL,
 832                         0.5, cv::Scalar(0, 255, 0), 1);
 833
 834             p_debug_subwindows.push_back(input_clone);
 835         }
 836     }
 837 }
 838
 839 void KCF_Tracker::gaussian_correlation(struct ThreadCtx &vars, const ComplexMat &xf, const ComplexMat &yf, double sigma,
 840                                        bool auto_correlation)
 841 {
 842     xf.sqr_norm(vars.xf_sqr_norm);
 843     if (auto_correlation) {
 844         vars.yf_sqr_norm.hostMem()[0] = vars.xf_sqr_norm.hostMem()[0];
 845     } else {
 846         yf.sqr_norm(vars.yf_sqr_norm);
 847     }
 848     vars.xyf = auto_correlation ? xf.sqr_mag() : xf.mul2(yf.conj());
 849     DEBUG_PRINTM(vars.xyf);
 850     fft.inverse(vars.xyf, vars.ifft2_res, m_use_cuda ? vars.data_i_features.deviceMem() : nullptr, vars.stream);
 851 #ifdef CUFFT
 852     cuda_gaussian_correlation(vars.data_i_features.deviceMem(), vars.gauss_corr_res.deviceMem(),
 853                               vars.xf_sqr_norm.deviceMem(), vars.xf_sqr_norm.deviceMem(), sigma, xf.n_channels,
 854                               xf.n_scales, p_roi.height, p_roi.width, vars.stream);
 855 #else
 856     // ifft2 and sum over 3rd dimension, we dont care about individual channels
 857     DEBUG_PRINTM(vars.ifft2_res);
 858     cv::Mat xy_sum;
 859     if (xf.channels() != p_num_scales * p_num_of_feats)
 860         xy_sum.create(vars.ifft2_res.size(), CV_32FC1);
 861     else
 862         xy_sum.create(vars.ifft2_res.size(), CV_32FC(p_scales.size()));
 863     xy_sum.setTo(0);
 864     for (int y = 0; y < vars.ifft2_res.rows; ++y) {
 865         float *row_ptr = vars.ifft2_res.ptr<float>(y);
 866         float *row_ptr_sum = xy_sum.ptr<float>(y);
 867         for (int x = 0; x < vars.ifft2_res.cols; ++x) {
 868             for (int sum_ch = 0; sum_ch < xy_sum.channels(); ++sum_ch) {
 869                 row_ptr_sum[(x * xy_sum.channels()) + sum_ch] += std::accumulate(
 870                     row_ptr + x * vars.ifft2_res.channels() + sum_ch * (vars.ifft2_res.channels() / xy_sum.channels()),
 871                     (row_ptr + x * vars.ifft2_res.channels() +
 872                      (sum_ch + 1) * (vars.ifft2_res.channels() / xy_sum.channels())),
 873                     0.f);
 874             }
 875         }
 876     }
 877     DEBUG_PRINTM(xy_sum);
 878
 879     std::vector<cv::Mat> scales;
 880     cv::split(xy_sum, scales);
 881
 882     float numel_xf_inv = 1.f / (xf.cols * xf.rows * (xf.channels() / xf.n_scales));
 883     for (uint i = 0; i < xf.n_scales; ++i) {
 884         cv::Mat in_roi(vars.in_all, cv::Rect(0, i * scales[0].rows, scales[0].cols, scales[0].rows));
 885         cv::exp(
 886             -1. / (sigma * sigma) *
 887                 cv::max((double(vars.xf_sqr_norm.hostMem()[i] + vars.yf_sqr_norm.hostMem()[0]) - 2 * scales[i]) * double(numel_xf_inv), 0),
 888             in_roi);
 889         DEBUG_PRINTM(in_roi);
 890     }
 891 #endif
 892     DEBUG_PRINTM(vars.in_all);
 893     fft.forward(vars.in_all, auto_correlation ? vars.kf : vars.kzf, m_use_cuda ? vars.gauss_corr_res.deviceMem() : nullptr,
 894                 vars.stream);
 895     return;
 896 }
 897
 898 float get_response_circular(cv::Point2i &pt, cv::Mat &response)
 899 {
 900     int x = pt.x;
 901     int y = pt.y;
 902     if (x < 0) x = response.cols + x;
 903     if (y < 0) y = response.rows + y;
 904     if (x >= response.cols) x = x - response.cols;
 905     if (y >= response.rows) y = y - response.rows;
 906
 907     return response.at<float>(y, x);
 908 }
 909
 910 cv::Point2f KCF_Tracker::sub_pixel_peak(cv::Point &max_loc, cv::Mat &response)
 911 {
 912     // find neighbourhood of max_loc (response is circular)
 913     // 1 2 3
 914     // 4   5
 915     // 6 7 8
 916     cv::Point2i p1(max_loc.x - 1, max_loc.y - 1), p2(max_loc.x, max_loc.y - 1), p3(max_loc.x + 1, max_loc.y - 1);
 917     cv::Point2i p4(max_loc.x - 1, max_loc.y), p5(max_loc.x + 1, max_loc.y);
 918     cv::Point2i p6(max_loc.x - 1, max_loc.y + 1), p7(max_loc.x, max_loc.y + 1), p8(max_loc.x + 1, max_loc.y + 1);
 919
 920     // clang-format off
 921     // fit 2d quadratic function f(x, y) = a*x^2 + b*x*y + c*y^2 + d*x + e*y + f
 922     cv::Mat A = (cv::Mat_<float>(9, 6) <<
 923                  p1.x*p1.x, p1.x*p1.y, p1.y*p1.y, p1.x, p1.y, 1.f,
 924                  p2.x*p2.x, p2.x*p2.y, p2.y*p2.y, p2.x, p2.y, 1.f,
 925                  p3.x*p3.x, p3.x*p3.y, p3.y*p3.y, p3.x, p3.y, 1.f,
 926                  p4.x*p4.x, p4.x*p4.y, p4.y*p4.y, p4.x, p4.y, 1.f,
 927                  p5.x*p5.x, p5.x*p5.y, p5.y*p5.y, p5.x, p5.y, 1.f,
 928                  p6.x*p6.x, p6.x*p6.y, p6.y*p6.y, p6.x, p6.y, 1.f,
 929                  p7.x*p7.x, p7.x*p7.y, p7.y*p7.y, p7.x, p7.y, 1.f,
 930                  p8.x*p8.x, p8.x*p8.y, p8.y*p8.y, p8.x, p8.y, 1.f,
 931                  max_loc.x*max_loc.x, max_loc.x*max_loc.y, max_loc.y*max_loc.y, max_loc.x, max_loc.y, 1.f);
 932     cv::Mat fval = (cv::Mat_<float>(9, 1) <<
 933                     get_response_circular(p1, response),
 934                     get_response_circular(p2, response),
 935                     get_response_circular(p3, response),
 936                     get_response_circular(p4, response),
 937                     get_response_circular(p5, response),
 938                     get_response_circular(p6, response),
 939                     get_response_circular(p7, response),
 940                     get_response_circular(p8, response),
 941                     get_response_circular(max_loc, response));
 942     // clang-format on
 943     cv::Mat x;
 944     cv::solve(A, fval, x, cv::DECOMP_SVD);
 945
 946     float a = x.at<float>(0), b = x.at<float>(1), c = x.at<float>(2), d = x.at<float>(3), e = x.at<float>(4);
 947
 948     cv::Point2f sub_peak(max_loc.x, max_loc.y);
 949     if (b > 0 || b < 0) {
 950         sub_peak.y = ((2.f * a * e) / b - d) / (b - (4 * a * c) / b);
 951         sub_peak.x = (-2 * c * sub_peak.y - e) / b;
 952     }
 953
 954     return sub_peak;
 955 }
 956
 957 double KCF_Tracker::sub_grid_scale(uint index)
 958 {
 959     cv::Mat A, fval;
 960     if (index >= p_scales.size()) {
 961         // interpolate from all values
 962         // fit 1d quadratic function f(x) = a*x^2 + b*x + c
 963         A.create(p_scales.size(), 3, CV_32FC1);
 964         fval.create(p_scales.size(), 1, CV_32FC1);
 965         for (size_t i = 0; i < p_scales.size(); ++i) {
 966             A.at<float>(i, 0) = float(p_scales[i] * p_scales[i]);
 967             A.at<float>(i, 1) = float(p_scales[i]);
 968             A.at<float>(i, 2) = 1;
 969 #ifdef BIG_BATCH
 970             fval.at<float>(i) = p_threadctxs.back().max_responses[i];
 971 #else
 972             fval.at<float>(i) = p_threadctxs[i].max_response;
 973 #endif
 974         }
 975     } else {
 976         // only from neighbours
 977         if (index == 0 || index == p_scales.size() - 1)
 978            return p_scales[index];
 979
 980         A = (cv::Mat_<float>(3, 3) <<
 981              p_scales[index - 1] * p_scales[index - 1], p_scales[index - 1], 1,
 982              p_scales[index + 0] * p_scales[index + 0], p_scales[index + 0], 1,
 983              p_scales[index + 1] * p_scales[index + 1], p_scales[index + 1], 1);
 984 #ifdef BIG_BATCH
 985         fval = (cv::Mat_<float>(3, 1) <<
 986                 p_threadctxs.back().max_responses[index - 1],
 987                 p_threadctxs.back().max_responses[index + 0],
 988                 p_threadctxs.back().max_responses[index + 1]);
 989 #else
 990         fval = (cv::Mat_<float>(3, 1) <<
 991                 p_threadctxs[index - 1].max_response,
 992                 p_threadctxs[index + 0].max_response,
 993                 p_threadctxs[index + 1].max_response);
 994 #endif
 995     }
 996
 997     cv::Mat x;
 998     cv::solve(A, fval, x, cv::DECOMP_SVD);
 999     float a = x.at<float>(0), b = x.at<float>(1);
1000     double scale = p_scales[index];
1001     if (a > 0 || a < 0)
1002         scale = -b / (2 * a);
1003     return scale;
1004 }