src/kcf.cpp

   1 #include "kcf.h"
   2 #include <numeric>
   3 #include <thread>
   4 #include <algorithm>
   5 #include "threadctx.hpp"
   6 #include "debug.h"
   7 #include <limits>
   8
   9 #ifdef FFTW
  10 #include "fft_fftw.h"
  11 #define FFT Fftw
  12 #elif defined(CUFFT)
  13 #include "fft_cufft.h"
  14 #define FFT cuFFT
  15 #else
  16 #include "fft_opencv.h"
  17 #define FFT FftOpencv
  18 #endif
  19
  20 #ifdef OPENMP
  21 #include <omp.h>
  22 #endif // OPENMP
  23
  24 DbgTracer __dbgTracer;
  25
  26 template <typename T>
  27 T clamp(const T& n, const T& lower, const T& upper)
  28 {
  29     return std::max(lower, std::min(n, upper));
  30 }
  31
  32 template <typename T>
  33 void clamp2(T& n, const T& lower, const T& upper)
  34 {
  35     n = std::max(lower, std::min(n, upper));
  36 }
  37
  38 #if CV_MAJOR_VERSION < 3
  39 template<typename _Tp> static inline
  40 cv::Size_<_Tp> operator / (const cv::Size_<_Tp>& a, _Tp b)
  41 {
  42     return cv::Size_<_Tp>(a.width / b, a.height / b);
  43 }
  44
  45 template<typename _Tp> static inline
  46 cv::Point_<_Tp> operator / (const cv::Point_<_Tp>& a, double b)
  47 {
  48     return cv::Point_<_Tp>(a.x / b, a.y / b);
  49 }
  50
  51 #endif
  52
  53 class Kcf_Tracker_Private {
  54     friend KCF_Tracker;
  55
  56     Kcf_Tracker_Private(const KCF_Tracker &kcf) : kcf(kcf) {}
  57
  58     const KCF_Tracker &kcf;
  59 #ifdef BIG_BATCH
  60     std::vector<ThreadCtx> threadctxs;
  61 #else
  62     ScaleRotVector<ThreadCtx> threadctxs{kcf.p_scales, kcf.p_angles};
  63 #endif
  64 };
  65
  66 KCF_Tracker::KCF_Tracker(double padding, double kernel_sigma, double lambda, double interp_factor,
  67                          double output_sigma_factor, int cell_size)
  68     : p_cell_size(cell_size), fft(*new FFT()), p_padding(padding), p_output_sigma_factor(output_sigma_factor), p_kernel_sigma(kernel_sigma),
  69       p_lambda(lambda), p_interp_factor(interp_factor)
  70 {
  71 }
  72
  73 KCF_Tracker::KCF_Tracker() : fft(*new FFT()) {}
  74
  75 KCF_Tracker::~KCF_Tracker()
  76 {
  77     delete &fft;
  78 }
  79
  80 void KCF_Tracker::train(cv::Mat input_rgb, cv::Mat input_gray, double interp_factor)
  81 {
  82     TRACE("");
  83
  84     // obtain a sub-window for training
  85     get_features(input_rgb, input_gray, nullptr, p_current_center.x, p_current_center.y,
  86                  p_windows_size.width, p_windows_size.height,
  87                  p_current_scale, p_current_angle).copyTo(model->patch_feats.scale(0));
  88     DEBUG_PRINT(model->patch_feats);
  89     fft.forward_window(model->patch_feats, model->xf, model->temp);
  90     DEBUG_PRINTM(model->xf);
  91     model->model_xf = model->model_xf * (1. - interp_factor) + model->xf * interp_factor;
  92     DEBUG_PRINTM(model->model_xf);
  93
  94     if (m_use_linearkernel) {
  95         ComplexMat xfconj = model->xf.conj();
  96         model->model_alphaf_num = xfconj.mul(model->yf);
  97         model->model_alphaf_den = (model->xf * xfconj);
  98     } else {
  99         // Kernel Ridge Regression, calculate alphas (in Fourier domain)
 100         cv::Size sz(Fft::freq_size(feature_size));
 101         ComplexMat kf(sz.height, sz.width, 1);
 102         (*gaussian_correlation)(kf, model->model_xf, model->model_xf, p_kernel_sigma, true, *this);
 103         DEBUG_PRINTM(kf);
 104         model->model_alphaf_num = model->yf * kf;
 105         model->model_alphaf_den = kf * (kf + p_lambda);
 106     }
 107     model->model_alphaf = model->model_alphaf_num / model->model_alphaf_den;
 108     DEBUG_PRINTM(model->model_alphaf);
 109     //        p_model_alphaf = p_yf / (kf + p_lambda);   //equation for fast training
 110 }
 111
 112 static int round_pw2_down(int x)
 113 {
 114         for (int i = 1; i < 32; i <<= 1)
 115             x |= x >> i;
 116         x++;
 117         return x >> 1;
 118 }
 119
 120
 121 void KCF_Tracker::init(cv::Mat &img, const cv::Rect &bbox, int fit_size_x, int fit_size_y)
 122 {
 123     __dbgTracer.debug = m_debug;
 124     TRACE("");
 125
 126     // check boundary, enforce min size
 127     double x1 = bbox.x, x2 = bbox.x + bbox.width, y1 = bbox.y, y2 = bbox.y + bbox.height;
 128     if (x1 < 0) x1 = 0.;
 129     if (x2 > img.cols - 1) x2 = img.cols - 1;
 130     if (y1 < 0) y1 = 0;
 131     if (y2 > img.rows - 1) y2 = img.rows - 1;
 132
 133     if (x2 - x1 < 2 * p_cell_size) {
 134         double diff = (2 * p_cell_size - x2 + x1) / 2.;
 135         if (x1 - diff >= 0 && x2 + diff < img.cols) {
 136             x1 -= diff;
 137             x2 += diff;
 138         } else if (x1 - 2 * diff >= 0) {
 139             x1 -= 2 * diff;
 140         } else {
 141             x2 += 2 * diff;
 142         }
 143     }
 144     if (y2 - y1 < 2 * p_cell_size) {
 145         double diff = (2 * p_cell_size - y2 + y1) / 2.;
 146         if (y1 - diff >= 0 && y2 + diff < img.rows) {
 147             y1 -= diff;
 148             y2 += diff;
 149         } else if (y1 - 2 * diff >= 0) {
 150             y1 -= 2 * diff;
 151         } else {
 152             y2 += 2 * diff;
 153         }
 154     }
 155
 156     p_init_pose.w = x2 - x1;
 157     p_init_pose.h = y2 - y1;
 158     p_init_pose.cx = x1 + p_init_pose.w / 2.;
 159     p_init_pose.cy = y1 + p_init_pose.h / 2.;
 160
 161     cv::Mat input_gray, input_rgb = img.clone();
 162     if (img.channels() == 3) {
 163         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
 164         input_gray.convertTo(input_gray, CV_32FC1);
 165     } else
 166         img.convertTo(input_gray, CV_32FC1);
 167
 168     // don't need too large image
 169     if (p_init_pose.w * p_init_pose.h > 100. * 100.) {
 170         std::cout << "resizing image by factor of " << 1 / p_downscale_factor << std::endl;
 171         p_resize_image = true;
 172         p_init_pose.scale(p_downscale_factor);
 173         cv::resize(input_gray, input_gray, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 174         cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 175     }
 176
 177     // compute win size + fit to fhog cell size
 178     p_windows_size.width = round(p_init_pose.w * (1. + p_padding) / p_cell_size) * p_cell_size;
 179     p_windows_size.height = round(p_init_pose.h * (1. + p_padding) / p_cell_size) * p_cell_size;
 180
 181     if (fit_size_x == 0 || fit_size_y == 0) {
 182         // Round down to the next highest power of 2
 183         fit_size = cv::Size(round_pw2_down(p_windows_size.width),
 184                             round_pw2_down(p_windows_size.height));
 185     } else if (fit_size_x == -1 || fit_size_y == -1) {
 186         fit_size =  p_windows_size;
 187     } else {
 188         fit_size = cv::Size(fit_size_x, fit_size_y);
 189     }
 190
 191     feature_size = fit_size / p_cell_size;
 192
 193     p_scales.clear();
 194     for (int i = -int(p_num_scales - 1) / 2; i <= int(p_num_scales) / 2; ++i)
 195         p_scales.push_back(std::pow(p_scale_step, i));
 196
 197     p_angles.clear();
 198     for (int i = -int(p_num_angles - 1) / 2; i <= int(p_num_angles) / 2; ++i)
 199         p_angles.push_back(i * p_angle_step);
 200
 201 #ifdef CUFFT
 202     if (m_use_linearkernel) {
 203         std::cerr << "cuFFT supports only Gaussian kernel." << std::endl;
 204         std::exit(EXIT_FAILURE);
 205     }
 206 #endif
 207
 208     model.reset(new Model(feature_size, p_num_of_feats));
 209     d.reset(new Kcf_Tracker_Private(*this));
 210
 211 #ifndef BIG_BATCH
 212     for (auto scale: p_scales)
 213         for (auto angle : p_angles)
 214             d->threadctxs.emplace_back(feature_size, p_num_of_feats, scale, angle);
 215 #else
 216     d->threadctxs.emplace_back(feature_size, p_num_of_feats, p_scales, p_angles);
 217 #endif
 218
 219     gaussian_correlation.reset(new GaussianCorrelation(1, p_num_of_feats, feature_size));
 220
 221     p_current_center = p_init_pose.center();
 222     p_current_scale = 1.;
 223
 224     double min_size_ratio = std::max(5. * p_cell_size / p_windows_size.width, 5. * p_cell_size / p_windows_size.height);
 225     double max_size_ratio =
 226         std::min(floor((img.cols + p_windows_size.width / 3) / p_cell_size) * p_cell_size / p_windows_size.width,
 227                  floor((img.rows + p_windows_size.height / 3) / p_cell_size) * p_cell_size / p_windows_size.height);
 228     p_min_max_scale[0] = std::pow(p_scale_step, std::ceil(std::log(min_size_ratio) / log(p_scale_step)));
 229     p_min_max_scale[1] = std::pow(p_scale_step, std::floor(std::log(max_size_ratio) / log(p_scale_step)));
 230
 231     std::cout << "init: img size " << img.size() << std::endl;
 232     std::cout << "init: win size " << p_windows_size;
 233     if (p_windows_size != fit_size)
 234         std::cout << " resized to " << fit_size;
 235     std::cout << std::endl;
 236     std::cout << "init: FFT size " << feature_size << std::endl;
 237     std::cout << "init: min max scales factors: " << p_min_max_scale[0] << " " << p_min_max_scale[1] << std::endl;
 238
 239     p_output_sigma = std::sqrt(p_init_pose.w * p_init_pose.h * double(fit_size.area()) / p_windows_size.area())
 240            * p_output_sigma_factor / p_cell_size;
 241
 242     fft.init(feature_size.width, feature_size.height, p_num_of_feats, p_num_scales * p_num_angles);
 243     fft.set_window(MatDynMem(cosine_window_function(feature_size.width, feature_size.height)));
 244
 245     // window weights, i.e. labels
 246     MatScales gsl(1, feature_size);
 247     gaussian_shaped_labels(p_output_sigma, feature_size.width, feature_size.height).copyTo(gsl.plane(0));
 248     fft.forward(gsl, model->yf);
 249     DEBUG_PRINTM(model->yf);
 250
 251     // train initial model
 252     train(input_rgb, input_gray, 1.0);
 253 }
 254
 255 void KCF_Tracker::setTrackerPose(BBox_c &bbox, cv::Mat &img, int fit_size_x, int fit_size_y)
 256 {
 257     init(img, bbox.get_rect(), fit_size_x, fit_size_y);
 258 }
 259
 260 void KCF_Tracker::updateTrackerPosition(BBox_c &bbox)
 261 {
 262     BBox_c tmp = bbox;
 263     if (p_resize_image) {
 264         tmp.scale(p_downscale_factor);
 265     }
 266     p_current_center = tmp.center();
 267 }
 268
 269 BBox_c KCF_Tracker::getBBox()
 270 {
 271     BBox_c tmp;
 272     tmp.cx = p_current_center.x;
 273     tmp.cy = p_current_center.y;
 274     tmp.w = p_init_pose.w * p_current_scale;
 275     tmp.h = p_init_pose.h * p_current_scale;
 276     tmp.a = 0;
 277
 278     if (p_resize_image)
 279         tmp.scale(1 / p_downscale_factor);
 280
 281     return tmp;
 282 }
 283
 284 double KCF_Tracker::getFilterResponse() const
 285 {
 286     return this->max_response;
 287 }
 288
 289 void KCF_Tracker::resizeImgs(cv::Mat &input_rgb, cv::Mat &input_gray)
 290 {
 291     if (p_resize_image) {
 292         cv::resize(input_gray, input_gray, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 293         cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 294     }
 295 }
 296
 297 double KCF_Tracker::findMaxReponse(uint &max_idx, cv::Point2d &new_location) const
 298 {
 299     double max;
 300     const auto &vec = IF_BIG_BATCH(d->threadctxs[0].max, d->threadctxs);
 301
 302 #ifndef BIG_BATCH
 303     auto max_it = std::max_element(vec.begin(), vec.end(),
 304                                    [](const ThreadCtx &a, const ThreadCtx &b)
 305                                    { return a.max.response < b.max.response; });
 306 #else
 307     auto max_it = std::max_element(vec.begin(), vec.end(),
 308                                    [](const ThreadCtx::Max &a, const ThreadCtx::Max &b)
 309                                    { return a.response < b.response; });
 310 #endif
 311     assert(max_it != vec.end());
 312     max = max_it->IF_BIG_BATCH(response, max.response);
 313
 314     if (m_visual_debug) {
 315         const bool rgb = true;
 316         int type = rgb ? d->threadctxs[0].IF_BIG_BATCH(dbg_patch[0], dbg_patch).type()
 317                        : d->threadctxs[0].response.type();
 318         int w = true ? 100 : (rgb ? fit_size.width  : feature_size.width);
 319         int h = true ? 100 : (rgb ? fit_size.height : feature_size.height);
 320         cv::Mat all_responses((h + 1) * p_num_scales - 1,
 321                               (w + 1) * p_num_angles - 1, type, cv::Scalar::all(0));
 322         for (size_t i = 0; i < p_num_scales; ++i) {
 323             for (size_t j = 0; j < p_num_angles; ++j) {
 324                 cv::Mat tmp;
 325                 if (rgb) {
 326                     tmp = d->IF_BIG_BATCH(threadctxs[0], threadctxs(i, j)).dbg_patch IF_BIG_BATCH((i, j),);
 327                 } else {
 328                     tmp = d->IF_BIG_BATCH(threadctxs[0], threadctxs(i, j)).response.plane(IF_BIG_BATCH(d->threadctxs[0].max.getIdx(i, j), 0));
 329                     tmp = circshift(tmp, -tmp.cols/2, -tmp.rows/2);
 330                 }
 331                 cv::resize(tmp, tmp, cv::Size(w, h));
 332                 cv::Mat resp_roi(all_responses, cv::Rect(j * (w+1), i * (h+1), w, h));
 333                 tmp.copyTo(resp_roi);
 334             }
 335         }
 336         cv::namedWindow("KCF visual debug", CV_WINDOW_AUTOSIZE);
 337         cv::imshow("KCF visual debug", all_responses);
 338     }
 339
 340     max_idx = std::distance(vec.begin(), max_it);
 341
 342     cv::Point2i max_response_pt = IF_BIG_BATCH(max_it->loc, max_it->max.loc);
 343     cv::Mat max_response_map    = IF_BIG_BATCH(d->threadctxs[0].response.plane(max_idx),
 344                                                max_it->response.plane(0));
 345
 346     DEBUG_PRINTM(max_response_map);
 347     DEBUG_PRINT(max_response_pt);
 348
 349     // sub pixel quadratic interpolation from neighbours
 350     if (max_response_pt.y > max_response_map.rows / 2) // wrap around to negative half-space of vertical axis
 351         max_response_pt.y = max_response_pt.y - max_response_map.rows;
 352     if (max_response_pt.x > max_response_map.cols / 2) // same for horizontal axis
 353         max_response_pt.x = max_response_pt.x - max_response_map.cols;
 354
 355
 356     if (m_use_subpixel_localization) {
 357         new_location = sub_pixel_peak(max_response_pt, max_response_map);
 358     } else {
 359         new_location = max_response_pt;
 360     }
 361     DEBUG_PRINT(new_location);
 362     return max;
 363 }
 364
 365 void KCF_Tracker::track(cv::Mat &img)
 366 {
 367     __dbgTracer.debug = m_debug;
 368     TRACE("");
 369
 370     cv::Mat input_gray, input_rgb = img.clone();
 371     if (img.channels() == 3) {
 372         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
 373         input_gray.convertTo(input_gray, CV_32FC1);
 374     } else
 375         img.convertTo(input_gray, CV_32FC1);
 376
 377     // don't need too large image
 378     resizeImgs(input_rgb, input_gray);
 379
 380 #ifdef ASYNC
 381     for (auto &it : d->threadctxs)
 382         it.async_res = std::async(std::launch::async, [this, &input_gray, &input_rgb, &it]() -> void {
 383             it.track(*this, input_rgb, input_gray);
 384         });
 385     for (auto const &it : d->threadctxs)
 386         it.async_res.wait();
 387
 388 #else  // !ASYNC
 389     NORMAL_OMP_PARALLEL_FOR
 390     for (uint i = 0; i < d->threadctxs.size(); ++i)
 391         d->threadctxs[i].track(*this, input_rgb, input_gray);
 392 #endif
 393
 394     cv::Point2d new_location;
 395     uint max_idx;
 396     max_response = findMaxReponse(max_idx, new_location);
 397
 398     new_location.x *= double(p_windows_size.width) / fit_size.width;
 399     new_location.y *= double(p_windows_size.height) / fit_size.height;
 400
 401     p_current_center += p_current_scale * p_cell_size * new_location;
 402
 403     clamp2(p_current_center.x, 0.0, img.cols - 1.0);
 404     clamp2(p_current_center.y, 0.0, img.rows - 1.0);
 405
 406     // sub grid scale interpolation
 407     if (m_use_subgrid_scale) {
 408         p_current_scale *= sub_grid_scale(max_idx);
 409     } else {
 410         p_current_scale *= d->IF_BIG_BATCH(threadctxs[0].max, threadctxs).scale(max_idx);
 411     }
 412
 413     clamp2(p_current_scale, p_min_max_scale[0], p_min_max_scale[1]);
 414
 415     p_current_angle += d->IF_BIG_BATCH(threadctxs[0].max, threadctxs).angle(max_idx);
 416
 417     // train at newly estimated target position
 418     train(input_rgb, input_gray, p_interp_factor);
 419 }
 420
 421 void ThreadCtx::track(const KCF_Tracker &kcf, cv::Mat &input_rgb, cv::Mat &input_gray)
 422 {
 423     TRACE("");
 424
 425     BIG_BATCH_OMP_PARALLEL_FOR
 426     for (uint i = 0; i < IF_BIG_BATCH(max.size(), 1); ++i)
 427     {
 428         kcf.get_features(input_rgb, input_gray, &dbg_patch IF_BIG_BATCH([i],),
 429                          kcf.p_current_center.x, kcf.p_current_center.y,
 430                          kcf.p_windows_size.width, kcf.p_windows_size.height,
 431                          kcf.p_current_scale * IF_BIG_BATCH(max.scale(i), scale),
 432                          kcf.p_current_angle + IF_BIG_BATCH(max.angle(i), angle))
 433                 .copyTo(patch_feats.scale(i));
 434         DEBUG_PRINT(patch_feats.scale(i));
 435     }
 436
 437     kcf.fft.forward_window(patch_feats, zf, temp);
 438     DEBUG_PRINTM(zf);
 439
 440     if (kcf.m_use_linearkernel) {
 441         kzf = zf.mul(kcf.model->model_alphaf).sum_over_channels();
 442     } else {
 443         gaussian_correlation(kzf, zf, kcf.model->model_xf, kcf.p_kernel_sigma, false, kcf);
 444         DEBUG_PRINTM(kzf);
 445         kzf = kzf.mul(kcf.model->model_alphaf);
 446     }
 447     kcf.fft.inverse(kzf, response);
 448
 449     DEBUG_PRINTM(response);
 450
 451     /* target location is at the maximum response. we must take into
 452     account the fact that, if the target doesn't move, the peak
 453     will appear at the top-left corner, not at the center (this is
 454     discussed in the paper). the responses wrap around cyclically. */
 455     double min_val, max_val;
 456     cv::Point2i min_loc, max_loc;
 457 #ifdef BIG_BATCH
 458     for (size_t i = 0; i < max.size(); ++i) {
 459         cv::minMaxLoc(response.plane(i), &min_val, &max_val, &min_loc, &max_loc);
 460         DEBUG_PRINT(max_loc);
 461         double weight = kcf.p_scales[i] < 1. ? kcf.p_scales[i] : 1. / kcf.p_scales[i];
 462         max[i].response = max_val * weight;
 463         max[i].loc = max_loc;
 464     }
 465 #else
 466     cv::minMaxLoc(response.plane(0), &min_val, &max_val, &min_loc, &max_loc);
 467
 468     DEBUG_PRINT(max_loc);
 469     DEBUG_PRINT(max_val);
 470
 471     double weight = scale < 1. ? scale : 1. / scale;
 472     max.response = max_val * weight;
 473     max.loc = max_loc;
 474 #endif
 475 }
 476
 477 // ****************************************************************************
 478
 479 cv::Mat KCF_Tracker::get_features(cv::Mat &input_rgb, cv::Mat &input_gray, cv::Mat *dbg_patch,
 480                                   int cx, int cy, int size_x, int size_y, double scale, double angle) const
 481 {
 482     cv::Size scaled = cv::Size(floor(size_x * scale), floor(size_y * scale));
 483
 484     cv::Mat patch_gray = get_subwindow(input_gray, cx, cy, scaled.width, scaled.height, angle);
 485     cv::Mat patch_rgb = get_subwindow(input_rgb, cx, cy, scaled.width, scaled.height, angle);
 486
 487     if (dbg_patch)
 488         patch_rgb.copyTo(*dbg_patch);
 489
 490     // resize to default size
 491     if (scaled.area() > fit_size.area()) {
 492         // if we downsample use  INTER_AREA interpolation
 493         // note: this is just a guess - we may downsample in X and upsample in Y (or vice versa)
 494         cv::resize(patch_gray, patch_gray, fit_size, 0., 0., cv::INTER_AREA);
 495     } else {
 496         cv::resize(patch_gray, patch_gray, fit_size, 0., 0., cv::INTER_LINEAR);
 497     }
 498
 499     // get hog(Histogram of Oriented Gradients) features
 500     std::vector<cv::Mat> hog_feat = FHoG::extract(patch_gray, 2, p_cell_size, 9);
 501
 502     // get color rgb features (simple r,g,b channels)
 503     std::vector<cv::Mat> color_feat;
 504     if ((m_use_color || m_use_cnfeat) && input_rgb.channels() == 3) {
 505         // resize to default size
 506         if (scaled.area() > (fit_size / p_cell_size).area()) {
 507             // if we downsample use  INTER_AREA interpolation
 508             cv::resize(patch_rgb, patch_rgb, fit_size / p_cell_size, 0., 0., cv::INTER_AREA);
 509         } else {
 510             cv::resize(patch_rgb, patch_rgb, fit_size / p_cell_size, 0., 0., cv::INTER_LINEAR);
 511         }
 512     }
 513
 514     if (m_use_color && input_rgb.channels() == 3) {
 515         // use rgb color space
 516         cv::Mat patch_rgb_norm;
 517         patch_rgb.convertTo(patch_rgb_norm, CV_32F, 1. / 255., -0.5);
 518         cv::Mat ch1(patch_rgb_norm.size(), CV_32FC1);
 519         cv::Mat ch2(patch_rgb_norm.size(), CV_32FC1);
 520         cv::Mat ch3(patch_rgb_norm.size(), CV_32FC1);
 521         std::vector<cv::Mat> rgb = {ch1, ch2, ch3};
 522         cv::split(patch_rgb_norm, rgb);
 523         color_feat.insert(color_feat.end(), rgb.begin(), rgb.end());
 524     }
 525
 526     if (m_use_cnfeat && input_rgb.channels() == 3) {
 527         std::vector<cv::Mat> cn_feat = CNFeat::extract(patch_rgb);
 528         color_feat.insert(color_feat.end(), cn_feat.begin(), cn_feat.end());
 529     }
 530
 531     hog_feat.insert(hog_feat.end(), color_feat.begin(), color_feat.end());
 532
 533     int size[] = {p_num_of_feats, feature_size.height, feature_size.width};
 534     cv::Mat result(3, size, CV_32F);
 535     for (uint i = 0; i < hog_feat.size(); ++i)
 536         hog_feat[i].copyTo(cv::Mat(size[1], size[2], CV_32FC1, result.ptr(i)));
 537
 538     return result;
 539 }
 540
 541 cv::Mat KCF_Tracker::gaussian_shaped_labels(double sigma, int dim1, int dim2)
 542 {
 543     cv::Mat labels(dim2, dim1, CV_32FC1);
 544     int range_y[2] = {-dim2 / 2, dim2 - dim2 / 2};
 545     int range_x[2] = {-dim1 / 2, dim1 - dim1 / 2};
 546
 547     double sigma_s = sigma * sigma;
 548
 549     for (int y = range_y[0], j = 0; y < range_y[1]; ++y, ++j) {
 550         float *row_ptr = labels.ptr<float>(j);
 551         double y_s = y * y;
 552         for (int x = range_x[0], i = 0; x < range_x[1]; ++x, ++i) {
 553             row_ptr[i] = std::exp(-0.5 * (y_s + x * x) / sigma_s); //-1/2*e^((y^2+x^2)/sigma^2)
 554         }
 555     }
 556
 557     // rotate so that 1 is at top-left corner (see KCF paper for explanation)
 558     MatDynMem rot_labels = circshift(labels, range_x[0], range_y[0]);
 559     // sanity check, 1 at top left corner
 560     assert(rot_labels.at<float>(0, 0) >= 1.f - 1e-10f);
 561
 562     return rot_labels;
 563 }
 564
 565 cv::Mat KCF_Tracker::circshift(const cv::Mat &patch, int x_rot, int y_rot) const
 566 {
 567     cv::Mat rot_patch(patch.size(), CV_32FC1);
 568     cv::Mat tmp_x_rot(patch.size(), CV_32FC1);
 569
 570     // circular rotate x-axis
 571     if (x_rot < 0) {
 572         // move part that does not rotate over the edge
 573         cv::Range orig_range(-x_rot, patch.cols);
 574         cv::Range rot_range(0, patch.cols - (-x_rot));
 575         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 576
 577         // rotated part
 578         orig_range = cv::Range(0, -x_rot);
 579         rot_range = cv::Range(patch.cols - (-x_rot), patch.cols);
 580         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 581     } else if (x_rot > 0) {
 582         // move part that does not rotate over the edge
 583         cv::Range orig_range(0, patch.cols - x_rot);
 584         cv::Range rot_range(x_rot, patch.cols);
 585         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 586
 587         // rotated part
 588         orig_range = cv::Range(patch.cols - x_rot, patch.cols);
 589         rot_range = cv::Range(0, x_rot);
 590         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 591     } else { // zero rotation
 592         // move part that does not rotate over the edge
 593         cv::Range orig_range(0, patch.cols);
 594         cv::Range rot_range(0, patch.cols);
 595         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 596     }
 597
 598     // circular rotate y-axis
 599     if (y_rot < 0) {
 600         // move part that does not rotate over the edge
 601         cv::Range orig_range(-y_rot, patch.rows);
 602         cv::Range rot_range(0, patch.rows - (-y_rot));
 603         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 604
 605         // rotated part
 606         orig_range = cv::Range(0, -y_rot);
 607         rot_range = cv::Range(patch.rows - (-y_rot), patch.rows);
 608         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 609     } else if (y_rot > 0) {
 610         // move part that does not rotate over the edge
 611         cv::Range orig_range(0, patch.rows - y_rot);
 612         cv::Range rot_range(y_rot, patch.rows);
 613         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 614
 615         // rotated part
 616         orig_range = cv::Range(patch.rows - y_rot, patch.rows);
 617         rot_range = cv::Range(0, y_rot);
 618         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 619     } else { // zero rotation
 620         // move part that does not rotate over the edge
 621         cv::Range orig_range(0, patch.rows);
 622         cv::Range rot_range(0, patch.rows);
 623         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 624     }
 625
 626     return rot_patch;
 627 }
 628
 629 // hann window actually (Power-of-cosine windows)
 630 cv::Mat KCF_Tracker::cosine_window_function(int dim1, int dim2)
 631 {
 632     cv::Mat m1(1, dim1, CV_32FC1), m2(dim2, 1, CV_32FC1);
 633     double N_inv = 1. / (static_cast<double>(dim1) - 1.);
 634     for (int i = 0; i < dim1; ++i)
 635         m1.at<float>(i) = float(0.5 * (1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv)));
 636     N_inv = 1. / (static_cast<double>(dim2) - 1.);
 637     for (int i = 0; i < dim2; ++i)
 638         m2.at<float>(i) = float(0.5 * (1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv)));
 639     cv::Mat ret = m2 * m1;
 640     return ret;
 641 }
 642
 643 // Returns sub-window of image input centered at [cx, cy] coordinates),
 644 // with size [width, height]. If any pixels are outside of the image,
 645 // they will replicate the values at the borders.
 646 cv::Mat KCF_Tracker::get_subwindow(const cv::Mat &input, int cx, int cy, int width, int height, double angle) const
 647 {
 648     cv::Mat patch;
 649     (void)angle;
 650
 651     int x1 = cx - width / 2;
 652     int y1 = cy - height / 2;
 653     int x2 = cx + width / 2;
 654     int y2 = cy + height / 2;
 655
 656     // out of image
 657     if (x1 >= input.cols || y1 >= input.rows || x2 < 0 || y2 < 0) {
 658         patch.create(height, width, input.type());
 659         patch.setTo(double(0.f));
 660         return patch;
 661     }
 662
 663     int top = 0, bottom = 0, left = 0, right = 0;
 664
 665     // fit to image coordinates, set border extensions;
 666     if (x1 < 0) {
 667         left = -x1;
 668         x1 = 0;
 669     }
 670     if (y1 < 0) {
 671         top = -y1;
 672         y1 = 0;
 673     }
 674     if (x2 >= input.cols) {
 675         right = x2 - input.cols + width % 2;
 676         x2 = input.cols;
 677     } else
 678         x2 += width % 2;
 679
 680     if (y2 >= input.rows) {
 681         bottom = y2 - input.rows + height % 2;
 682         y2 = input.rows;
 683     } else
 684         y2 += height % 2;
 685
 686     if (x2 - x1 == 0 || y2 - y1 == 0)
 687         patch = cv::Mat::zeros(height, width, CV_32FC1);
 688     else {
 689         cv::copyMakeBorder(input(cv::Range(y1, y2), cv::Range(x1, x2)), patch, top, bottom, left, right,
 690                            cv::BORDER_REPLICATE);
 691         //      imshow( "copyMakeBorder", patch);
 692         //      cv::waitKey();
 693     }
 694
 695     // sanity check
 696     assert(patch.cols == width && patch.rows == height);
 697
 698     return patch;
 699 }
 700
 701 void KCF_Tracker::GaussianCorrelation::operator()(ComplexMat &result, const ComplexMat &xf, const ComplexMat &yf,
 702                                                   double sigma, bool auto_correlation, const KCF_Tracker &kcf)
 703 {
 704     TRACE("");
 705     DEBUG_PRINTM(xf);
 706     DEBUG_PRINT(xf_sqr_norm.num_elem);
 707     xf.sqr_norm(xf_sqr_norm);
 708     for (uint s = 0; s < xf.n_scales; ++s)
 709         DEBUG_PRINT(xf_sqr_norm[s]);
 710     if (auto_correlation) {
 711         yf_sqr_norm = xf_sqr_norm;
 712     } else {
 713         DEBUG_PRINTM(yf);
 714         yf.sqr_norm(yf_sqr_norm);
 715     }
 716     for (uint s = 0; s < yf.n_scales; ++s)
 717         DEBUG_PRINTM(yf_sqr_norm[s]);
 718     xyf = auto_correlation ? xf.sqr_mag() : xf * yf.conj(); // xf.muln(yf.conj());
 719     DEBUG_PRINTM(xyf);
 720
 721     // ifft2 and sum over 3rd dimension, we dont care about individual channels
 722     ComplexMat xyf_sum = xyf.sum_over_channels();
 723     DEBUG_PRINTM(xyf_sum);
 724     kcf.fft.inverse(xyf_sum, ifft_res);
 725     DEBUG_PRINTM(ifft_res);
 726
 727     float numel_xf_inv = 1.f / (xf.cols * xf.rows * (xf.channels() / xf.n_scales));
 728     for (uint i = 0; i < xf.n_scales; ++i) {
 729         cv::Mat plane = ifft_res.plane(i);
 730         DEBUG_PRINT(ifft_res.plane(i));
 731         cv::exp(-1. / (sigma * sigma) * cv::max((xf_sqr_norm[i] + yf_sqr_norm[0] - 2 * ifft_res.plane(i))
 732                 * numel_xf_inv, 0), plane);
 733         DEBUG_PRINTM(plane);
 734     }
 735
 736     kcf.fft.forward(ifft_res, result);
 737 }
 738
 739 float get_response_circular(cv::Point2i &pt, cv::Mat &response)
 740 {
 741     int x = pt.x;
 742     int y = pt.y;
 743     assert(response.dims == 2); // ensure .cols and .rows are valid
 744     if (x < 0) x = response.cols + x;
 745     if (y < 0) y = response.rows + y;
 746     if (x >= response.cols) x = x - response.cols;
 747     if (y >= response.rows) y = y - response.rows;
 748
 749     return response.at<float>(y, x);
 750 }
 751
 752 cv::Point2f KCF_Tracker::sub_pixel_peak(cv::Point &max_loc, cv::Mat &response) const
 753 {
 754     // find neighbourhood of max_loc (response is circular)
 755     // 1 2 3
 756     // 4   5
 757     // 6 7 8
 758     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);
 759     cv::Point2i p4(max_loc.x - 1, max_loc.y), p5(max_loc.x + 1, max_loc.y);
 760     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);
 761
 762     // clang-format off
 763     // fit 2d quadratic function f(x, y) = a*x^2 + b*x*y + c*y^2 + d*x + e*y + f
 764     cv::Mat A = (cv::Mat_<float>(9, 6) <<
 765                  p1.x*p1.x, p1.x*p1.y, p1.y*p1.y, p1.x, p1.y, 1.f,
 766                  p2.x*p2.x, p2.x*p2.y, p2.y*p2.y, p2.x, p2.y, 1.f,
 767                  p3.x*p3.x, p3.x*p3.y, p3.y*p3.y, p3.x, p3.y, 1.f,
 768                  p4.x*p4.x, p4.x*p4.y, p4.y*p4.y, p4.x, p4.y, 1.f,
 769                  p5.x*p5.x, p5.x*p5.y, p5.y*p5.y, p5.x, p5.y, 1.f,
 770                  p6.x*p6.x, p6.x*p6.y, p6.y*p6.y, p6.x, p6.y, 1.f,
 771                  p7.x*p7.x, p7.x*p7.y, p7.y*p7.y, p7.x, p7.y, 1.f,
 772                  p8.x*p8.x, p8.x*p8.y, p8.y*p8.y, p8.x, p8.y, 1.f,
 773                  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);
 774     cv::Mat fval = (cv::Mat_<float>(9, 1) <<
 775                     get_response_circular(p1, response),
 776                     get_response_circular(p2, response),
 777                     get_response_circular(p3, response),
 778                     get_response_circular(p4, response),
 779                     get_response_circular(p5, response),
 780                     get_response_circular(p6, response),
 781                     get_response_circular(p7, response),
 782                     get_response_circular(p8, response),
 783                     get_response_circular(max_loc, response));
 784     // clang-format on
 785     cv::Mat x;
 786     cv::solve(A, fval, x, cv::DECOMP_SVD);
 787
 788     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);
 789
 790     cv::Point2f sub_peak(max_loc.x, max_loc.y);
 791     if (b > 0 || b < 0) {
 792         sub_peak.y = ((2.f * a * e) / b - d) / (b - (4 * a * c) / b);
 793         sub_peak.x = (-2 * c * sub_peak.y - e) / b;
 794     }
 795
 796     return sub_peak;
 797 }
 798
 799 double KCF_Tracker::sub_grid_scale(uint max_index)
 800 {
 801     cv::Mat A, fval;
 802     const auto &vec = d->IF_BIG_BATCH(threadctxs[0].max, threadctxs);
 803     uint index = vec.getScaleIdx(max_index);
 804     uint angle_idx = vec.getAngleIdx(index);
 805
 806     if (index >= vec.size()) {
 807         // interpolate from all values
 808         // fit 1d quadratic function f(x) = a*x^2 + b*x + c
 809         A.create(p_scales.size(), 3, CV_32FC1);
 810         fval.create(p_scales.size(), 1, CV_32FC1);
 811         for (size_t i = 0; i < p_scales.size(); ++i) {
 812             A.at<float>(i, 0) = float(p_scales[i] * p_scales[i]);
 813             A.at<float>(i, 1) = float(p_scales[i]);
 814             A.at<float>(i, 2) = 1;
 815             fval.at<float>(i) = d->IF_BIG_BATCH(threadctxs[0].max[i].response, threadctxs(i, angle_idx).max.response);
 816         }
 817     } else {
 818         // only from neighbours
 819         if (index == 0 || index == p_scales.size() - 1)
 820            return p_scales[index];
 821
 822         A = (cv::Mat_<float>(3, 3) <<
 823              p_scales[index - 1] * p_scales[index - 1], p_scales[index - 1], 1,
 824              p_scales[index + 0] * p_scales[index + 0], p_scales[index + 0], 1,
 825              p_scales[index + 1] * p_scales[index + 1], p_scales[index + 1], 1);
 826 #ifdef BIG_BATCH
 827         fval = (cv::Mat_<float>(3, 1) <<
 828                 d->threadctxs[0].max(index - 1, angle_idx).response,
 829                 d->threadctxs[0].max(index + 0, angle_idx).response,
 830                 d->threadctxs[0].max(index + 1, angle_idx).response);
 831 #else
 832         fval = (cv::Mat_<float>(3, 1) <<
 833                 d->threadctxs(index - 1, angle_idx).max.response,
 834                 d->threadctxs(index + 0, angle_idx).max.response,
 835                 d->threadctxs(index + 1, angle_idx).max.response);
 836 #endif
 837     }
 838
 839     cv::Mat x;
 840     cv::solve(A, fval, x, cv::DECOMP_SVD);
 841     float a = x.at<float>(0), b = x.at<float>(1);
 842     double scale = p_scales[index];
 843     if (a > 0 || a < 0)
 844         scale = -b / (2 * a);
 845     return scale;
 846 }