src/kcf.cpp

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