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