src/kcf.cpp

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