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
   8 #ifdef FFTW
   9 #include "fft_fftw.h"
  10 #define FFT Fftw
  11 #elif defined(CUFFT)
  12 #include "fft_cufft.h"
  13 #define FFT cuFFT
  14 #else
  15 #include "fft_opencv.h"
  16 #define FFT FftOpencv
  17 #endif
  18
  19 #ifdef OPENMP
  20 #include <omp.h>
  21 #endif // OPENMP
  22
  23 DbgTracer __dbgTracer;
  24
  25 template <typename T>
  26 T clamp(const T& n, const T& lower, const T& upper)
  27 {
  28     return std::max(lower, std::min(n, upper));
  29 }
  30
  31 template <typename T>
  32 void clamp2(T& n, const T& lower, const T& upper)
  33 {
  34     n = std::max(lower, std::min(n, upper));
  35 }
  36
  37 class Kcf_Tracker_Private {
  38     friend KCF_Tracker;
  39     std::vector<ThreadCtx> threadctxs;
  40 };
  41
  42 KCF_Tracker::KCF_Tracker(double padding, double kernel_sigma, double lambda, double interp_factor,
  43                          double output_sigma_factor, int cell_size)
  44     : p_cell_size(cell_size), fft(*new FFT()), p_padding(padding), p_output_sigma_factor(output_sigma_factor), p_kernel_sigma(kernel_sigma),
  45       p_lambda(lambda), p_interp_factor(interp_factor), d(*new Kcf_Tracker_Private)
  46 {
  47 }
  48
  49 KCF_Tracker::KCF_Tracker() : fft(*new FFT()), d(*new Kcf_Tracker_Private) {}
  50
  51 KCF_Tracker::~KCF_Tracker()
  52 {
  53     delete &fft;
  54     delete &d;
  55 }
  56
  57 void KCF_Tracker::train(cv::Mat input_rgb, cv::Mat input_gray, double interp_factor)
  58 {
  59     TRACE("");
  60
  61     // obtain a sub-window for training
  62     // TODO: Move Mats outside from here
  63     MatScaleFeats patch_feats(1, p_num_of_feats, feature_size);
  64     DEBUG_PRINT(patch_feats);
  65     MatScaleFeats temp(1, p_num_of_feats, feature_size);
  66     get_features(input_rgb, input_gray, p_current_center.x, p_current_center.y,
  67                  p_windows_size.width, p_windows_size.height,
  68                  p_current_scale).copyTo(patch_feats.scale(0));
  69     DEBUG_PRINT(patch_feats);
  70     fft.forward_window(patch_feats, p_xf, temp);
  71     DEBUG_PRINTM(p_xf);
  72     p_model_xf = p_model_xf * (1. - interp_factor) + p_xf * interp_factor;
  73     DEBUG_PRINTM(p_model_xf);
  74
  75     ComplexMat alphaf_num, alphaf_den;
  76
  77     if (m_use_linearkernel) {
  78         ComplexMat xfconj = p_xf.conj();
  79         alphaf_num = xfconj.mul(p_yf);
  80         alphaf_den = (p_xf * xfconj);
  81     } else {
  82         // Kernel Ridge Regression, calculate alphas (in Fourier domain)
  83         cv::Size sz(Fft::freq_size(feature_size));
  84         ComplexMat kf(sz.height, sz.width, 1);
  85         (*gaussian_correlation)(kf, p_model_xf, p_model_xf, p_kernel_sigma, true, *this);
  86         DEBUG_PRINTM(kf);
  87         p_model_alphaf_num = p_yf * kf;
  88         p_model_alphaf_den = kf * (kf + p_lambda);
  89     }
  90     p_model_alphaf = p_model_alphaf_num / p_model_alphaf_den;
  91     DEBUG_PRINTM(p_model_alphaf);
  92     //        p_model_alphaf = p_yf / (kf + p_lambda);   //equation for fast training
  93 }
  94
  95 void KCF_Tracker::init(cv::Mat &img, const cv::Rect &bbox, int fit_size_x, int fit_size_y)
  96 {
  97     __dbgTracer.debug = m_debug;
  98     TRACE("");
  99
 100     // check boundary, enforce min size
 101     double x1 = bbox.x, x2 = bbox.x + bbox.width, y1 = bbox.y, y2 = bbox.y + bbox.height;
 102     if (x1 < 0) x1 = 0.;
 103     if (x2 > img.cols - 1) x2 = img.cols - 1;
 104     if (y1 < 0) y1 = 0;
 105     if (y2 > img.rows - 1) y2 = img.rows - 1;
 106
 107     if (x2 - x1 < 2 * p_cell_size) {
 108         double diff = (2 * p_cell_size - x2 + x1) / 2.;
 109         if (x1 - diff >= 0 && x2 + diff < img.cols) {
 110             x1 -= diff;
 111             x2 += diff;
 112         } else if (x1 - 2 * diff >= 0) {
 113             x1 -= 2 * diff;
 114         } else {
 115             x2 += 2 * diff;
 116         }
 117     }
 118     if (y2 - y1 < 2 * p_cell_size) {
 119         double diff = (2 * p_cell_size - y2 + y1) / 2.;
 120         if (y1 - diff >= 0 && y2 + diff < img.rows) {
 121             y1 -= diff;
 122             y2 += diff;
 123         } else if (y1 - 2 * diff >= 0) {
 124             y1 -= 2 * diff;
 125         } else {
 126             y2 += 2 * diff;
 127         }
 128     }
 129
 130     p_init_pose.w = x2 - x1;
 131     p_init_pose.h = y2 - y1;
 132     p_init_pose.cx = x1 + p_init_pose.w / 2.;
 133     p_init_pose.cy = y1 + p_init_pose.h / 2.;
 134
 135     cv::Mat input_gray, input_rgb = img.clone();
 136     if (img.channels() == 3) {
 137         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
 138         input_gray.convertTo(input_gray, CV_32FC1);
 139     } else
 140         img.convertTo(input_gray, CV_32FC1);
 141
 142     // don't need too large image
 143     if (p_init_pose.w * p_init_pose.h > 100. * 100. && (fit_size_x == -1 || fit_size_y == -1)) {
 144         std::cout << "resizing image by factor of " << 1 / p_downscale_factor << std::endl;
 145         p_resize_image = true;
 146         p_init_pose.scale(p_downscale_factor);
 147         cv::resize(input_gray, input_gray, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 148         cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 149     } else if (!(fit_size_x == -1 && fit_size_y == -1)) {
 150         if (fit_size_x % p_cell_size != 0 || fit_size_y % p_cell_size != 0) {
 151             std::cerr << "Error: Fit size is not multiple of HOG cell size (" << p_cell_size << ")" << std::endl;
 152             std::exit(EXIT_FAILURE);
 153         }
 154         p_fit_factor_x = (double)fit_size_x / round(p_init_pose.w * (1. + p_padding));
 155         p_fit_factor_y = (double)fit_size_y / round(p_init_pose.h * (1. + p_padding));
 156         std::cout << "resizing image horizontaly by factor of " << p_fit_factor_x << " and verticaly by factor of "
 157                   << p_fit_factor_y << std::endl;
 158         p_fit_to_pw2 = true;
 159         p_init_pose.scale_x(p_fit_factor_x);
 160         p_init_pose.scale_y(p_fit_factor_y);
 161         if (fabs(p_fit_factor_x - 1) > p_floating_error || fabs(p_fit_factor_y - 1) > p_floating_error) {
 162             if (p_fit_factor_x < 1 && p_fit_factor_y < 1) {
 163                 cv::resize(input_gray, input_gray, cv::Size(0, 0), p_fit_factor_x, p_fit_factor_y, cv::INTER_AREA);
 164                 cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_fit_factor_x, p_fit_factor_y, cv::INTER_AREA);
 165             } else {
 166                 cv::resize(input_gray, input_gray, cv::Size(0, 0), p_fit_factor_x, p_fit_factor_y, cv::INTER_LINEAR);
 167                 cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_fit_factor_x, p_fit_factor_y, cv::INTER_LINEAR);
 168             }
 169         }
 170     }
 171
 172
 173     // compute win size + fit to fhog cell size
 174     p_windows_size.width = round(p_init_pose.w * (1. + p_padding) / p_cell_size) * p_cell_size;
 175     p_windows_size.height = round(p_init_pose.h * (1. + p_padding) / p_cell_size) * p_cell_size;
 176     feature_size.width = p_windows_size.width / p_cell_size;
 177     feature_size.height = p_windows_size.height / p_cell_size;
 178
 179     p_scales.clear();
 180     for (int i = -int(p_num_scales) / 2; i <= int(p_num_scales) / 2; ++i)
 181         p_scales.push_back(std::pow(p_scale_step, i));
 182
 183 #ifdef CUFFT
 184     if (feature_size.height * (feature_size.width / 2 + 1) > 1024) {
 185         std::cerr << "Window after forward FFT is too big for CUDA kernels. Plese use -f to set "
 186                      "the window dimensions so its size is less or equal to "
 187                   << 1024 * p_cell_size * p_cell_size * 2 + 1
 188                   << " pixels . Currently the size of the window is: " << p_windows_size.width << "x" << p_windows_size.height
 189                   << " which is  " << p_windows_size.width * p_windows_size.height << " pixels. " << std::endl;
 190         std::exit(EXIT_FAILURE);
 191     }
 192
 193     if (m_use_linearkernel) {
 194         std::cerr << "cuFFT supports only Gaussian kernel." << std::endl;
 195         std::exit(EXIT_FAILURE);
 196     }
 197 #else
 198     p_xf.create(feature_size.height, feature_size.height / 2 + 1, p_num_of_feats);
 199 #endif
 200
 201 #if defined(CUFFT) || defined(FFTW)
 202     uint width = feature_size.width / 2 + 1;
 203 #else
 204     uint width = feature_size.width;
 205 #endif
 206     p_model_xf.create(feature_size.height, width, p_num_of_feats);
 207     p_yf.create(feature_size.height, width, 1);
 208     p_xf.create(feature_size.height, width, p_num_of_feats);
 209
 210 #ifndef BIG_BATCH
 211     for (auto scale: p_scales)
 212         d.threadctxs.emplace_back(feature_size, p_num_of_feats, scale);
 213 #else
 214     d.threadctxs.emplace_back(feature_size, p_num_of_feats, p_num_scales);
 215 #endif
 216
 217     gaussian_correlation.reset(new GaussianCorrelation(1, feature_size));
 218
 219     p_current_center = p_init_pose.center();
 220     p_current_scale = 1.;
 221
 222     double min_size_ratio = std::max(5. * p_cell_size / p_windows_size.width, 5. * p_cell_size / p_windows_size.height);
 223     double max_size_ratio =
 224         std::min(floor((img.cols + p_windows_size.width / 3) / p_cell_size) * p_cell_size / p_windows_size.width,
 225                  floor((img.rows + p_windows_size.height / 3) / p_cell_size) * p_cell_size / p_windows_size.height);
 226     p_min_max_scale[0] = std::pow(p_scale_step, std::ceil(std::log(min_size_ratio) / log(p_scale_step)));
 227     p_min_max_scale[1] = std::pow(p_scale_step, std::floor(std::log(max_size_ratio) / log(p_scale_step)));
 228
 229     std::cout << "init: img size " << img.cols << "x" << img.rows << std::endl;
 230     std::cout << "init: win size " << p_windows_size.width << "x" << p_windows_size.height << std::endl;
 231     std::cout << "init: FFT size " << feature_size.width << "x" << feature_size.height << std::endl;
 232     std::cout << "init: min max scales factors: " << p_min_max_scale[0] << " " << p_min_max_scale[1] << std::endl;
 233
 234     p_output_sigma = std::sqrt(p_init_pose.w * p_init_pose.h) * p_output_sigma_factor / p_cell_size;
 235
 236     fft.init(feature_size.width, feature_size.height, p_num_of_feats, p_num_scales);
 237     fft.set_window(MatDynMem(cosine_window_function(feature_size.width, feature_size.height)));
 238
 239     // window weights, i.e. labels
 240     MatScales gsl(1, feature_size);
 241     gaussian_shaped_labels(p_output_sigma, feature_size.width, feature_size.height).copyTo(gsl.plane(0));
 242     fft.forward(gsl, p_yf);
 243     DEBUG_PRINTM(p_yf);
 244
 245     // train initial model
 246     train(input_rgb, input_gray, 1.0);
 247 }
 248
 249 void KCF_Tracker::setTrackerPose(BBox_c &bbox, cv::Mat &img, int fit_size_x, int fit_size_y)
 250 {
 251     init(img, bbox.get_rect(), fit_size_x, fit_size_y);
 252 }
 253
 254 void KCF_Tracker::updateTrackerPosition(BBox_c &bbox)
 255 {
 256     BBox_c tmp = bbox;
 257     if (p_resize_image) {
 258         tmp.scale(p_downscale_factor);
 259     } else if (p_fit_to_pw2) {
 260         tmp.scale_x(p_fit_factor_x);
 261         tmp.scale_y(p_fit_factor_y);
 262     }
 263     p_current_center = tmp.center();
 264 }
 265
 266 BBox_c KCF_Tracker::getBBox()
 267 {
 268     BBox_c tmp;
 269     tmp.cx = p_current_center.x;
 270     tmp.cy = p_current_center.y;
 271     tmp.w = p_init_pose.w * p_current_scale;
 272     tmp.h = p_init_pose.h * p_current_scale;
 273
 274     if (p_resize_image)
 275         tmp.scale(1 / p_downscale_factor);
 276     if (p_fit_to_pw2) {
 277         tmp.scale_x(1 / p_fit_factor_x);
 278         tmp.scale_y(1 / p_fit_factor_y);
 279     }
 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     } else if (p_fit_to_pw2 && fabs(p_fit_factor_x - 1) > p_floating_error &&
 295                fabs(p_fit_factor_y - 1) > p_floating_error) {
 296         if (p_fit_factor_x < 1 && p_fit_factor_y < 1) {
 297             cv::resize(input_gray, input_gray, cv::Size(0, 0), p_fit_factor_x, p_fit_factor_y, cv::INTER_AREA);
 298             cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_fit_factor_x, p_fit_factor_y, cv::INTER_AREA);
 299         } else {
 300             cv::resize(input_gray, input_gray, cv::Size(0, 0), p_fit_factor_x, p_fit_factor_y, cv::INTER_LINEAR);
 301             cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_fit_factor_x, p_fit_factor_y, cv::INTER_LINEAR);
 302         }
 303     }
 304 }
 305
 306 double KCF_Tracker::findMaxReponse(uint &max_idx, cv::Point2d &new_location) const
 307 {
 308     double max = -1.;
 309 #ifndef BIG_BATCH
 310     for (uint j = 0; j < d.threadctxs.size(); ++j) {
 311         if (d.threadctxs[j].max.response > max) {
 312             max = d.threadctxs[j].max.response;
 313             max_idx = j;
 314         }
 315     }
 316 #else
 317     for (uint j = 0; j < p_scales.size(); ++j) {
 318         if (d.threadctxs[0].max[j].response > max) {
 319             max = d.threadctxs[0].max[j].response;
 320             max_idx = j;
 321         }
 322     }
 323 #endif
 324
 325     if (m_visual_debug) {
 326         cv::Mat all_responses(cv::Size(p_num_angles * 100, p_num_scales * 100),
 327                               d.threadctxs[max_idx].response.plane(0).type(), cv::Scalar::all(0));
 328         for (size_t i = 0; i < p_num_scales; ++i) {
 329             for (size_t j = 0; j < p_num_angles; ++j) {
 330                 cv::Mat in_roi(all_responses, cv::Rect(j * 100, i * 100, 100, 100));
 331                 cv::Mat copy_response = d.threadctxs[p_num_angles * i + j].response.plane(0).clone();
 332
 333                 copy_response = copy_response(cv::Rect(0, 0, copy_response.cols & -2, copy_response.rows & -2));
 334
 335                 int cx = copy_response.cols / 2;
 336                 int cy = copy_response.rows / 2;
 337                 cv::Mat q0(copy_response, cv::Rect(0, 0, cx, cy));
 338                 cv::Mat q1(copy_response, cv::Rect(cx, 0, cx, cy));
 339                 cv::Mat q2(copy_response, cv::Rect(0, cy, cx, cy));
 340                 cv::Mat q3(copy_response, cv::Rect(cx, cy, cx, cy));
 341                 cv::Mat tmp;
 342                 q0.copyTo(tmp);
 343                 q3.copyTo(q0);
 344                 tmp.copyTo(q3);
 345                 q1.copyTo(tmp);
 346                 q2.copyTo(q1);
 347                 tmp.copyTo(q2);
 348
 349                 copy_response.copyTo(in_roi);
 350             }
 351         }
 352         cv::namedWindow("All responses", CV_WINDOW_AUTOSIZE);
 353         cv::imshow("All responses", all_responses);
 354         cv::waitKey();
 355     }
 356
 357     cv::Point2i &max_response_pt = IF_BIG_BATCH(d.threadctxs[0].max[max_idx].loc,        d.threadctxs[max_idx].max.loc);
 358     cv::Mat max_response_map     = IF_BIG_BATCH(d.threadctxs[0].response.plane(max_idx), d.threadctxs[max_idx].response.plane(0));
 359
 360     DEBUG_PRINTM(max_response_map);
 361     DEBUG_PRINT(max_response_pt);
 362
 363     // sub pixel quadratic interpolation from neighbours
 364     if (max_response_pt.y > max_response_map.rows / 2) // wrap around to negative half-space of vertical axis
 365         max_response_pt.y = max_response_pt.y - max_response_map.rows;
 366     if (max_response_pt.x > max_response_map.cols / 2) // same for horizontal axis
 367         max_response_pt.x = max_response_pt.x - max_response_map.cols;
 368
 369
 370     if (m_use_subpixel_localization) {
 371         new_location = sub_pixel_peak(max_response_pt, max_response_map);
 372     } else {
 373         new_location = max_response_pt;
 374     }
 375     DEBUG_PRINT(new_location);
 376     return max;
 377 }
 378
 379 void KCF_Tracker::track(cv::Mat &img)
 380 {
 381     __dbgTracer.debug = m_debug;
 382     TRACE("");
 383
 384     cv::Mat input_gray, input_rgb = img.clone();
 385     if (img.channels() == 3) {
 386         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
 387         input_gray.convertTo(input_gray, CV_32FC1);
 388     } else
 389         img.convertTo(input_gray, CV_32FC1);
 390
 391     // don't need too large image
 392     resizeImgs(input_rgb, input_gray);
 393
 394 #ifdef ASYNC
 395     for (auto &it : d.threadctxs)
 396         it.async_res = std::async(std::launch::async, [this, &input_gray, &input_rgb, &it]() -> void {
 397             it.track(*this, input_rgb, input_gray);
 398         });
 399     for (auto const &it : d.threadctxs)
 400         it.async_res.wait();
 401
 402 #else  // !ASYNC
 403     NORMAL_OMP_PARALLEL_FOR
 404     for (uint i = 0; i < d.threadctxs.size(); ++i)
 405         d.threadctxs[i].track(*this, input_rgb, input_gray);
 406 #endif
 407
 408     cv::Point2d new_location;
 409     uint max_idx;
 410     max_response = findMaxReponse(max_idx, new_location);
 411
 412     p_current_center += p_current_scale * p_cell_size * new_location;
 413
 414     if (p_fit_to_pw2) {
 415         clamp2(p_current_center.x, 0.0, (img.cols * p_fit_factor_x) - 1);
 416         clamp2(p_current_center.y, 0.0, (img.rows * p_fit_factor_y) - 1);
 417     } else {
 418         clamp2(p_current_center.x, 0.0, img.cols - 1.0);
 419         clamp2(p_current_center.y, 0.0, img.rows - 1.0);
 420     }
 421
 422     // sub grid scale interpolation
 423     if (m_use_subgrid_scale) {
 424         p_current_scale *= sub_grid_scale(max_idx);
 425     } else {
 426         p_current_scale *= p_scales[max_idx];
 427     }
 428
 429     clamp2(p_current_scale, p_min_max_scale[0], p_min_max_scale[1]);
 430
 431     // train at newly estimated target position
 432     train(input_rgb, input_gray, p_interp_factor);
 433 }
 434
 435 void ThreadCtx::track(const KCF_Tracker &kcf, cv::Mat &input_rgb, cv::Mat &input_gray)
 436 {
 437     TRACE("");
 438
 439     BIG_BATCH_OMP_PARALLEL_FOR
 440     for (uint i = 0; i < IF_BIG_BATCH(kcf.p_num_scales, 1); ++i)
 441     {
 442         kcf.get_features(input_rgb, input_gray, kcf.p_current_center.x, kcf.p_current_center.y,
 443                          kcf.p_windows_size.width, kcf.p_windows_size.height,
 444                          kcf.p_current_scale * IF_BIG_BATCH(kcf.p_scales[i], scale))
 445                 .copyTo(patch_feats.scale(i));
 446         DEBUG_PRINT(patch_feats.scale(i));
 447     }
 448
 449     kcf.fft.forward_window(patch_feats, zf, temp);
 450     DEBUG_PRINTM(zf);
 451
 452     if (kcf.m_use_linearkernel) {
 453         kzf = zf.mul(kcf.p_model_alphaf).sum_over_channels();
 454     } else {
 455         gaussian_correlation(kzf, zf, kcf.p_model_xf, kcf.p_kernel_sigma, false, kcf);
 456         DEBUG_PRINTM(kzf);
 457         kzf = kzf.mul(kcf.p_model_alphaf);
 458     }
 459     kcf.fft.inverse(kzf, response);
 460
 461     DEBUG_PRINTM(response);
 462
 463     /* target location is at the maximum response. we must take into
 464     account the fact that, if the target doesn't move, the peak
 465     will appear at the top-left corner, not at the center (this is
 466     discussed in the paper). the responses wrap around cyclically. */
 467     double min_val, max_val;
 468     cv::Point2i min_loc, max_loc;
 469 #ifdef BIG_BATCH
 470     for (size_t i = 0; i < kcf.p_scales.size(); ++i) {
 471         cv::minMaxLoc(response.plane(i), &min_val, &max_val, &min_loc, &max_loc);
 472         DEBUG_PRINT(max_loc);
 473         double weight = kcf.p_scales[i] < 1. ? kcf.p_scales[i] : 1. / kcf.p_scales[i];
 474         max[i].response = max_val * weight;
 475         max[i].loc = max_loc;
 476     }
 477 #else
 478     cv::minMaxLoc(response.plane(0), &min_val, &max_val, &min_loc, &max_loc);
 479
 480     DEBUG_PRINT(max_loc);
 481     DEBUG_PRINT(max_val);
 482
 483     double weight = scale < 1. ? scale : 1. / scale;
 484     max.response = max_val * weight;
 485     max.loc = max_loc;
 486 #endif
 487 }
 488
 489 // ****************************************************************************
 490
 491 cv::Mat KCF_Tracker::get_features(cv::Mat &input_rgb, cv::Mat &input_gray, int cx, int cy,
 492                                   int size_x, int size_y, double scale) const
 493 {
 494     int size_x_scaled = floor(size_x * scale);
 495     int size_y_scaled = floor(size_y * scale);
 496
 497     cv::Mat patch_gray = get_subwindow(input_gray, cx, cy, size_x_scaled, size_y_scaled);
 498     cv::Mat patch_rgb = get_subwindow(input_rgb, cx, cy, size_x_scaled, size_y_scaled);
 499
 500     // resize to default size
 501     if (scale > 1.) {
 502         // if we downsample use  INTER_AREA interpolation
 503         cv::resize(patch_gray, patch_gray, cv::Size(size_x, size_y), 0., 0., cv::INTER_AREA);
 504     } else {
 505         cv::resize(patch_gray, patch_gray, cv::Size(size_x, size_y), 0., 0., cv::INTER_LINEAR);
 506     }
 507
 508     // get hog(Histogram of Oriented Gradients) features
 509     std::vector<cv::Mat> hog_feat = FHoG::extract(patch_gray, 2, p_cell_size, 9);
 510
 511     // get color rgb features (simple r,g,b channels)
 512     std::vector<cv::Mat> color_feat;
 513     if ((m_use_color || m_use_cnfeat) && input_rgb.channels() == 3) {
 514         // resize to default size
 515         if (scale > 1.) {
 516             // if we downsample use  INTER_AREA interpolation
 517             cv::resize(patch_rgb, patch_rgb, cv::Size(size_x / p_cell_size, size_y / p_cell_size), 0., 0., cv::INTER_AREA);
 518         } else {
 519             cv::resize(patch_rgb, patch_rgb, cv::Size(size_x / p_cell_size, size_y / p_cell_size), 0., 0., cv::INTER_LINEAR);
 520         }
 521     }
 522
 523     if (m_use_color && input_rgb.channels() == 3) {
 524         // use rgb color space
 525         cv::Mat patch_rgb_norm;
 526         patch_rgb.convertTo(patch_rgb_norm, CV_32F, 1. / 255., -0.5);
 527         cv::Mat ch1(patch_rgb_norm.size(), CV_32FC1);
 528         cv::Mat ch2(patch_rgb_norm.size(), CV_32FC1);
 529         cv::Mat ch3(patch_rgb_norm.size(), CV_32FC1);
 530         std::vector<cv::Mat> rgb = {ch1, ch2, ch3};
 531         cv::split(patch_rgb_norm, rgb);
 532         color_feat.insert(color_feat.end(), rgb.begin(), rgb.end());
 533     }
 534
 535     if (m_use_cnfeat && input_rgb.channels() == 3) {
 536         std::vector<cv::Mat> cn_feat = CNFeat::extract(patch_rgb);
 537         color_feat.insert(color_feat.end(), cn_feat.begin(), cn_feat.end());
 538     }
 539
 540     hog_feat.insert(hog_feat.end(), color_feat.begin(), color_feat.end());
 541
 542     int size[] = {p_num_of_feats, feature_size.height, feature_size.width};
 543     cv::Mat result(3, size, CV_32F);
 544     for (uint i = 0; i < hog_feat.size(); ++i)
 545         hog_feat[i].copyTo(cv::Mat(size[1], size[2], CV_32FC1, result.ptr(i)));
 546
 547     return result;
 548 }
 549
 550 cv::Mat KCF_Tracker::gaussian_shaped_labels(double sigma, int dim1, int dim2)
 551 {
 552     cv::Mat labels(dim2, dim1, CV_32FC1);
 553     int range_y[2] = {-dim2 / 2, dim2 - dim2 / 2};
 554     int range_x[2] = {-dim1 / 2, dim1 - dim1 / 2};
 555
 556     double sigma_s = sigma * sigma;
 557
 558     for (int y = range_y[0], j = 0; y < range_y[1]; ++y, ++j) {
 559         float *row_ptr = labels.ptr<float>(j);
 560         double y_s = y * y;
 561         for (int x = range_x[0], i = 0; x < range_x[1]; ++x, ++i) {
 562             row_ptr[i] = std::exp(-0.5 * (y_s + x * x) / sigma_s); //-1/2*e^((y^2+x^2)/sigma^2)
 563         }
 564     }
 565
 566     // rotate so that 1 is at top-left corner (see KCF paper for explanation)
 567     MatDynMem rot_labels = circshift(labels, range_x[0], range_y[0]);
 568     // sanity check, 1 at top left corner
 569     assert(rot_labels.at<float>(0, 0) >= 1.f - 1e-10f);
 570
 571     return rot_labels;
 572 }
 573
 574 cv::Mat KCF_Tracker::circshift(const cv::Mat &patch, int x_rot, int y_rot)
 575 {
 576     cv::Mat rot_patch(patch.size(), CV_32FC1);
 577     cv::Mat tmp_x_rot(patch.size(), CV_32FC1);
 578
 579     // circular rotate x-axis
 580     if (x_rot < 0) {
 581         // move part that does not rotate over the edge
 582         cv::Range orig_range(-x_rot, patch.cols);
 583         cv::Range rot_range(0, patch.cols - (-x_rot));
 584         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 585
 586         // rotated part
 587         orig_range = cv::Range(0, -x_rot);
 588         rot_range = cv::Range(patch.cols - (-x_rot), patch.cols);
 589         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 590     } else if (x_rot > 0) {
 591         // move part that does not rotate over the edge
 592         cv::Range orig_range(0, patch.cols - x_rot);
 593         cv::Range rot_range(x_rot, patch.cols);
 594         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 595
 596         // rotated part
 597         orig_range = cv::Range(patch.cols - x_rot, patch.cols);
 598         rot_range = cv::Range(0, x_rot);
 599         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 600     } else { // zero rotation
 601         // move part that does not rotate over the edge
 602         cv::Range orig_range(0, patch.cols);
 603         cv::Range rot_range(0, patch.cols);
 604         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 605     }
 606
 607     // circular rotate y-axis
 608     if (y_rot < 0) {
 609         // move part that does not rotate over the edge
 610         cv::Range orig_range(-y_rot, patch.rows);
 611         cv::Range rot_range(0, patch.rows - (-y_rot));
 612         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 613
 614         // rotated part
 615         orig_range = cv::Range(0, -y_rot);
 616         rot_range = cv::Range(patch.rows - (-y_rot), patch.rows);
 617         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 618     } else if (y_rot > 0) {
 619         // move part that does not rotate over the edge
 620         cv::Range orig_range(0, patch.rows - y_rot);
 621         cv::Range rot_range(y_rot, patch.rows);
 622         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 623
 624         // rotated part
 625         orig_range = cv::Range(patch.rows - y_rot, patch.rows);
 626         rot_range = cv::Range(0, y_rot);
 627         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 628     } else { // zero rotation
 629         // move part that does not rotate over the edge
 630         cv::Range orig_range(0, patch.rows);
 631         cv::Range rot_range(0, patch.rows);
 632         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 633     }
 634
 635     return rot_patch;
 636 }
 637
 638 // hann window actually (Power-of-cosine windows)
 639 cv::Mat KCF_Tracker::cosine_window_function(int dim1, int dim2)
 640 {
 641     cv::Mat m1(1, dim1, CV_32FC1), m2(dim2, 1, CV_32FC1);
 642     double N_inv = 1. / (static_cast<double>(dim1) - 1.);
 643     for (int i = 0; i < dim1; ++i)
 644         m1.at<float>(i) = float(0.5 * (1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv)));
 645     N_inv = 1. / (static_cast<double>(dim2) - 1.);
 646     for (int i = 0; i < dim2; ++i)
 647         m2.at<float>(i) = float(0.5 * (1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv)));
 648     cv::Mat ret = m2 * m1;
 649     return ret;
 650 }
 651
 652 // Returns sub-window of image input centered at [cx, cy] coordinates),
 653 // with size [width, height]. If any pixels are outside of the image,
 654 // they will replicate the values at the borders.
 655 cv::Mat KCF_Tracker::get_subwindow(const cv::Mat &input, int cx, int cy, int width, int height) const
 656 {
 657     cv::Mat patch;
 658
 659     int x1 = cx - width / 2;
 660     int y1 = cy - height / 2;
 661     int x2 = cx + width / 2;
 662     int y2 = cy + height / 2;
 663
 664     // out of image
 665     if (x1 >= input.cols || y1 >= input.rows || x2 < 0 || y2 < 0) {
 666         patch.create(height, width, input.type());
 667         patch.setTo(double(0.f));
 668         return patch;
 669     }
 670
 671     int top = 0, bottom = 0, left = 0, right = 0;
 672
 673     // fit to image coordinates, set border extensions;
 674     if (x1 < 0) {
 675         left = -x1;
 676         x1 = 0;
 677     }
 678     if (y1 < 0) {
 679         top = -y1;
 680         y1 = 0;
 681     }
 682     if (x2 >= input.cols) {
 683         right = x2 - input.cols + width % 2;
 684         x2 = input.cols;
 685     } else
 686         x2 += width % 2;
 687
 688     if (y2 >= input.rows) {
 689         bottom = y2 - input.rows + height % 2;
 690         y2 = input.rows;
 691     } else
 692         y2 += height % 2;
 693
 694     if (x2 - x1 == 0 || y2 - y1 == 0)
 695         patch = cv::Mat::zeros(height, width, CV_32FC1);
 696     else {
 697         cv::copyMakeBorder(input(cv::Range(y1, y2), cv::Range(x1, x2)), patch, top, bottom, left, right,
 698                            cv::BORDER_REPLICATE);
 699         //      imshow( "copyMakeBorder", patch);
 700         //      cv::waitKey();
 701     }
 702
 703     // sanity check
 704     assert(patch.cols == width && patch.rows == height);
 705
 706     return patch;
 707 }
 708
 709 void KCF_Tracker::GaussianCorrelation::operator()(ComplexMat &result, const ComplexMat &xf, const ComplexMat &yf,
 710                                                   double sigma, bool auto_correlation, const KCF_Tracker &kcf)
 711 {
 712     TRACE("");
 713     xf.sqr_norm(xf_sqr_norm);
 714     if (auto_correlation) {
 715         yf_sqr_norm = xf_sqr_norm;
 716     } else {
 717         yf.sqr_norm(yf_sqr_norm);
 718     }
 719     xyf = auto_correlation ? xf.sqr_mag() : xf * yf.conj(); // xf.muln(yf.conj());
 720     DEBUG_PRINTM(xyf);
 721
 722     // ifft2 and sum over 3rd dimension, we dont care about individual channels
 723     ComplexMat xyf_sum = xyf.sum_over_channels();
 724     DEBUG_PRINTM(xyf_sum);
 725     kcf.fft.inverse(xyf_sum, ifft_res);
 726     DEBUG_PRINTM(ifft_res);
 727 #ifdef CUFFT
 728     // FIXME
 729     cuda_gaussian_correlation(ifft_res.deviceMem(), k.deviceMem(), xf_sqr_norm.deviceMem(),
 730                               auto_correlation ? xf_sqr_norm.deviceMem() : yf_sqr_norm.deviceMem(), sigma,
 731                               xf.n_channels, xf.n_scales, kcf.feature_size.height, kcf.feature_size.width);
 732 #else
 733
 734     float numel_xf_inv = 1.f / (xf.cols * xf.rows * (xf.channels() / xf.n_scales));
 735     for (uint i = 0; i < xf.n_scales; ++i) {
 736         cv::Mat plane = ifft_res.plane(i);
 737         DEBUG_PRINT(ifft_res.plane(i));
 738         cv::exp(-1. / (sigma * sigma) * cv::max((xf_sqr_norm[i] + yf_sqr_norm[0] - 2 * ifft_res.plane(i))
 739                 * numel_xf_inv, 0), plane);
 740         DEBUG_PRINTM(plane);
 741     }
 742 #endif
 743     kcf.fft.forward(ifft_res, result);
 744 }
 745
 746 float get_response_circular(cv::Point2i &pt, cv::Mat &response)
 747 {
 748     int x = pt.x;
 749     int y = pt.y;
 750     assert(response.dims == 2); // ensure .cols and .rows are valid
 751     if (x < 0) x = response.cols + x;
 752     if (y < 0) y = response.rows + y;
 753     if (x >= response.cols) x = x - response.cols;
 754     if (y >= response.rows) y = y - response.rows;
 755
 756     return response.at<float>(y, x);
 757 }
 758
 759 cv::Point2f KCF_Tracker::sub_pixel_peak(cv::Point &max_loc, cv::Mat &response) const
 760 {
 761     // find neighbourhood of max_loc (response is circular)
 762     // 1 2 3
 763     // 4   5
 764     // 6 7 8
 765     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);
 766     cv::Point2i p4(max_loc.x - 1, max_loc.y), p5(max_loc.x + 1, max_loc.y);
 767     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);
 768
 769     // clang-format off
 770     // fit 2d quadratic function f(x, y) = a*x^2 + b*x*y + c*y^2 + d*x + e*y + f
 771     cv::Mat A = (cv::Mat_<float>(9, 6) <<
 772                  p1.x*p1.x, p1.x*p1.y, p1.y*p1.y, p1.x, p1.y, 1.f,
 773                  p2.x*p2.x, p2.x*p2.y, p2.y*p2.y, p2.x, p2.y, 1.f,
 774                  p3.x*p3.x, p3.x*p3.y, p3.y*p3.y, p3.x, p3.y, 1.f,
 775                  p4.x*p4.x, p4.x*p4.y, p4.y*p4.y, p4.x, p4.y, 1.f,
 776                  p5.x*p5.x, p5.x*p5.y, p5.y*p5.y, p5.x, p5.y, 1.f,
 777                  p6.x*p6.x, p6.x*p6.y, p6.y*p6.y, p6.x, p6.y, 1.f,
 778                  p7.x*p7.x, p7.x*p7.y, p7.y*p7.y, p7.x, p7.y, 1.f,
 779                  p8.x*p8.x, p8.x*p8.y, p8.y*p8.y, p8.x, p8.y, 1.f,
 780                  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);
 781     cv::Mat fval = (cv::Mat_<float>(9, 1) <<
 782                     get_response_circular(p1, response),
 783                     get_response_circular(p2, response),
 784                     get_response_circular(p3, response),
 785                     get_response_circular(p4, response),
 786                     get_response_circular(p5, response),
 787                     get_response_circular(p6, response),
 788                     get_response_circular(p7, response),
 789                     get_response_circular(p8, response),
 790                     get_response_circular(max_loc, response));
 791     // clang-format on
 792     cv::Mat x;
 793     cv::solve(A, fval, x, cv::DECOMP_SVD);
 794
 795     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);
 796
 797     cv::Point2f sub_peak(max_loc.x, max_loc.y);
 798     if (b > 0 || b < 0) {
 799         sub_peak.y = ((2.f * a * e) / b - d) / (b - (4 * a * c) / b);
 800         sub_peak.x = (-2 * c * sub_peak.y - e) / b;
 801     }
 802
 803     return sub_peak;
 804 }
 805
 806 double KCF_Tracker::sub_grid_scale(uint index)
 807 {
 808     cv::Mat A, fval;
 809     if (index >= p_scales.size()) {
 810         // interpolate from all values
 811         // fit 1d quadratic function f(x) = a*x^2 + b*x + c
 812         A.create(p_scales.size(), 3, CV_32FC1);
 813         fval.create(p_scales.size(), 1, CV_32FC1);
 814         for (size_t i = 0; i < p_scales.size(); ++i) {
 815             A.at<float>(i, 0) = float(p_scales[i] * p_scales[i]);
 816             A.at<float>(i, 1) = float(p_scales[i]);
 817             A.at<float>(i, 2) = 1;
 818             fval.at<float>(i) = d.threadctxs.back().IF_BIG_BATCH(max[i].response, max.response);
 819         }
 820     } else {
 821         // only from neighbours
 822         if (index == 0 || index == p_scales.size() - 1)
 823            return p_scales[index];
 824
 825         A = (cv::Mat_<float>(3, 3) <<
 826              p_scales[index - 1] * p_scales[index - 1], p_scales[index - 1], 1,
 827              p_scales[index + 0] * p_scales[index + 0], p_scales[index + 0], 1,
 828              p_scales[index + 1] * p_scales[index + 1], p_scales[index + 1], 1);
 829 #ifdef BIG_BATCH
 830         fval = (cv::Mat_<float>(3, 1) <<
 831                 d.threadctxs.back().max[index - 1].response,
 832                 d.threadctxs.back().max[index + 0].response,
 833                 d.threadctxs.back().max[index + 1].response);
 834 #else
 835         fval = (cv::Mat_<float>(3, 1) <<
 836                 d.threadctxs[index - 1].max.response,
 837                 d.threadctxs[index + 0].max.response,
 838                 d.threadctxs[index + 1].max.response);
 839 #endif
 840     }
 841
 842     cv::Mat x;
 843     cv::solve(A, fval, x, cv::DECOMP_SVD);
 844     float a = x.at<float>(0), b = x.at<float>(1);
 845     double scale = p_scales[index];
 846     if (a > 0 || a < 0)
 847         scale = -b / (2 * a);
 848     return scale;
 849 }