src/kcf.cpp

   1 #include "kcf.h"
   2 #include <numeric>
   3 #include <thread>
   4 #include <future>
   5 #include <algorithm>
   6
   7 #ifdef OPENCV_CUFFT
   8 #include <cuda.h>
   9 #include <cuda_runtime.h>
  10 #endif //OPENCV_CUFFT
  11
  12 #ifdef FFTW
  13   #ifndef CUFFTW
  14     #include <fftw3.h>
  15   #else
  16     #include <cufftw.h>
  17   #endif //CUFFTW
  18 #endif //FFTW
  19
  20 #ifdef OPENMP
  21 #include <omp.h>
  22 #endif //OPENMP
  23
  24 void KCF_Tracker::init(cv::Mat &img, const cv::Rect & bbox)
  25 {
  26     //check boundary, enforce min size
  27     double x1 = bbox.x, x2 = bbox.x + bbox.width, y1 = bbox.y, y2 = bbox.y + bbox.height;
  28     if (x1 < 0) x1 = 0.;
  29     if (x2 > img.cols-1) x2 = img.cols - 1;
  30     if (y1 < 0) y1 = 0;
  31     if (y2 > img.rows-1) y2 = img.rows - 1;
  32
  33     if (x2-x1 < 2*p_cell_size) {
  34         double diff = (2*p_cell_size -x2+x1)/2.;
  35         if (x1 - diff >= 0 && x2 + diff < img.cols){
  36             x1 -= diff;
  37             x2 += diff;
  38         } else if (x1 - 2*diff >= 0) {
  39             x1 -= 2*diff;
  40         } else {
  41             x2 += 2*diff;
  42         }
  43     }
  44     if (y2-y1 < 2*p_cell_size) {
  45         double diff = (2*p_cell_size -y2+y1)/2.;
  46         if (y1 - diff >= 0 && y2 + diff < img.rows){
  47             y1 -= diff;
  48             y2 += diff;
  49         } else if (y1 - 2*diff >= 0) {
  50             y1 -= 2*diff;
  51         } else {
  52             y2 += 2*diff;
  53         }
  54     }
  55
  56     p_pose.w = x2-x1;
  57     p_pose.h = y2-y1;
  58     p_pose.cx = x1 + p_pose.w/2.;
  59     p_pose.cy = y1 + p_pose.h/2.;
  60
  61
  62     cv::Mat input_gray, input_rgb = img.clone();
  63     if (img.channels() == 3){
  64         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
  65         input_gray.convertTo(input_gray, CV_32FC1);
  66     }else
  67         img.convertTo(input_gray, CV_32FC1);
  68
  69     // don't need too large image
  70     if (p_pose.w * p_pose.h > 100.*100.) {
  71         std::cout << "resizing image by factor of " << 1/p_downscale_factor << std::endl;
  72         p_resize_image = true;
  73         p_pose.scale(p_downscale_factor);
  74         cv::resize(input_gray, input_gray, cv::Size(0,0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
  75         cv::resize(input_rgb, input_rgb, cv::Size(0,0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
  76     }
  77
  78     //compute win size + fit to fhog cell size
  79     p_windows_size[0] = round(p_pose.w * (1. + p_padding) / p_cell_size) * p_cell_size;
  80     p_windows_size[1] = round(p_pose.h * (1. + p_padding) / p_cell_size) * p_cell_size;
  81
  82     p_scales.clear();
  83     if (m_use_scale)
  84         for (int i = -p_num_scales/2; i <= p_num_scales/2; ++i)
  85             p_scales.push_back(std::pow(p_scale_step, i));
  86     else
  87         p_scales.push_back(1.);
  88
  89     p_current_scale = 1.;
  90
  91     double min_size_ratio = std::max(5.*p_cell_size/p_windows_size[0], 5.*p_cell_size/p_windows_size[1]);
  92     double max_size_ratio = std::min(floor((img.cols + p_windows_size[0]/3)/p_cell_size)*p_cell_size/p_windows_size[0], floor((img.rows + p_windows_size[1]/3)/p_cell_size)*p_cell_size/p_windows_size[1]);
  93     p_min_max_scale[0] = std::pow(p_scale_step, std::ceil(std::log(min_size_ratio) / log(p_scale_step)));
  94     p_min_max_scale[1] = std::pow(p_scale_step, std::floor(std::log(max_size_ratio) / log(p_scale_step)));
  95
  96     std::cout << "init: img size " << img.cols << " " << img.rows << std::endl;
  97     std::cout << "init: win size. " << p_windows_size[0] << " " << p_windows_size[1] << std::endl;
  98     std::cout << "init: min max scales factors: " << p_min_max_scale[0] << " " << p_min_max_scale[1] << std::endl;
  99
 100     p_output_sigma = std::sqrt(p_pose.w*p_pose.h) * p_output_sigma_factor / static_cast<double>(p_cell_size);
 101
 102 #if defined(FFTW) && defined(OPENMP)
 103     fftw_init_threads();
 104 #endif //defined(FFTW) && defined(OPENMP)
 105
 106     //window weights, i.e. labels
 107     p_yf = fft2(gaussian_shaped_labels(p_output_sigma, p_windows_size[0]/p_cell_size, p_windows_size[1]/p_cell_size));
 108     p_cos_window = cosine_window_function(p_yf.cols, p_yf.rows);
 109     //obtain a sub-window for training initial model
 110     std::vector<cv::Mat> path_feat = get_features(input_rgb, input_gray, p_pose.cx, p_pose.cy, p_windows_size[0], p_windows_size[1]);
 111     p_model_xf = fft2(path_feat, p_cos_window);
 112
 113     if (m_use_linearkernel) {
 114         ComplexMat xfconj = p_model_xf.conj();
 115         p_model_alphaf_num = xfconj.mul(p_yf);
 116         p_model_alphaf_den = (p_model_xf * xfconj);
 117     } else {
 118         //Kernel Ridge Regression, calculate alphas (in Fourier domain)
 119         ComplexMat kf = gaussian_correlation(p_model_xf, p_model_xf, p_kernel_sigma, true);
 120         p_model_alphaf_num = p_yf * kf;
 121         p_model_alphaf_den = kf * (kf + p_lambda);
 122     }
 123     p_model_alphaf = p_model_alphaf_num / p_model_alphaf_den;
 124 //        p_model_alphaf = p_yf / (kf + p_lambda);   //equation for fast training
 125 }
 126
 127 void KCF_Tracker::setTrackerPose(BBox_c &bbox, cv::Mat & img)
 128 {
 129     init(img, bbox.get_rect());
 130 }
 131
 132 void KCF_Tracker::updateTrackerPosition(BBox_c &bbox)
 133 {
 134     if (p_resize_image) {
 135         BBox_c tmp = bbox;
 136         tmp.scale(p_downscale_factor);
 137         p_pose.cx = tmp.cx;
 138         p_pose.cy = tmp.cy;
 139     } else {
 140         p_pose.cx = bbox.cx;
 141         p_pose.cy = bbox.cy;
 142     }
 143 }
 144
 145 BBox_c KCF_Tracker::getBBox()
 146 {
 147     BBox_c tmp = p_pose;
 148     tmp.w *= p_current_scale;
 149     tmp.h *= p_current_scale;
 150
 151     if (p_resize_image)
 152         tmp.scale(1/p_downscale_factor);
 153
 154     return tmp;
 155 }
 156
 157 void KCF_Tracker::track(cv::Mat &img)
 158 {
 159
 160     cv::Mat input_gray, input_rgb = img.clone();
 161     if (img.channels() == 3){
 162         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
 163         input_gray.convertTo(input_gray, CV_32FC1);
 164     }else
 165         img.convertTo(input_gray, CV_32FC1);
 166
 167     // don't need too large image
 168     if (p_resize_image) {
 169         cv::resize(input_gray, input_gray, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 170         cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 171     }
 172
 173
 174     std::vector<cv::Mat> patch_feat;
 175     double max_response = -1.;
 176     cv::Mat max_response_map;
 177     cv::Point2i max_response_pt;
 178     int scale_index = 0;
 179     std::vector<double> scale_responses;
 180
 181     if (m_use_multithreading){
 182         std::vector<std::future<cv::Mat>> async_res(p_scales.size());
 183         for (size_t i = 0; i < p_scales.size(); ++i) {
 184             async_res[i] = std::async(std::launch::async,
 185                                       [this, &input_gray, &input_rgb, i]() -> cv::Mat
 186                                       {
 187                                           std::vector<cv::Mat> patch_feat_async = get_features(input_rgb, input_gray, this->p_pose.cx, this->p_pose.cy, this->p_windows_size[0],
 188                                                                                                this->p_windows_size[1], this->p_current_scale * this->p_scales[i]);
 189                                           ComplexMat zf = fft2(patch_feat_async, this->p_cos_window);
 190                                           if (m_use_linearkernel)
 191                                               return ifft2((p_model_alphaf * zf).sum_over_channels());
 192                                           else {
 193                                               ComplexMat kzf = gaussian_correlation(zf, this->p_model_xf, this->p_kernel_sigma);
 194                                               return ifft2(this->p_model_alphaf * kzf);
 195                                           }
 196                                       });
 197         }
 198
 199         for (size_t i = 0; i < p_scales.size(); ++i) {
 200             // wait for result
 201             async_res[i].wait();
 202             cv::Mat response = async_res[i].get();
 203
 204             double min_val, max_val;
 205             cv::Point2i min_loc, max_loc;
 206             cv::minMaxLoc(response, &min_val, &max_val, &min_loc, &max_loc);
 207
 208             double weight = p_scales[i] < 1. ? p_scales[i] : 1./p_scales[i];
 209             if (max_val*weight > max_response) {
 210                 max_response = max_val*weight;
 211                 max_response_map = response;
 212                 max_response_pt = max_loc;
 213                 scale_index = i;
 214             }
 215             scale_responses.push_back(max_val*weight);
 216         }
 217     } else {
 218 #pragma omp parallel for ordered  private(patch_feat) schedule(dynamic)
 219         for (size_t i = 0; i < p_scales.size(); ++i) {
 220             patch_feat = get_features(input_rgb, input_gray, p_pose.cx, p_pose.cy, p_windows_size[0], p_windows_size[1], p_current_scale * p_scales[i]);
 221             ComplexMat zf = fft2(patch_feat, p_cos_window);
 222             cv::Mat response;
 223             if (m_use_linearkernel)
 224                 response = ifft2((p_model_alphaf * zf).sum_over_channels());
 225             else {
 226                 ComplexMat kzf = gaussian_correlation(zf, p_model_xf, p_kernel_sigma);
 227                 response = ifft2(p_model_alphaf * kzf);
 228             }
 229
 230             /* target location is at the maximum response. we must take into
 231                account the fact that, if the target doesn't move, the peak
 232                will appear at the top-left corner, not at the center (this is
 233                discussed in the paper). the responses wrap around cyclically. */
 234             double min_val, max_val;
 235             cv::Point2i min_loc, max_loc;
 236             cv::minMaxLoc(response, &min_val, &max_val, &min_loc, &max_loc);
 237
 238             double weight = p_scales[i] < 1. ? p_scales[i] : 1./p_scales[i];
 239 #pragma omp critical
 240             {
 241                 if (max_val*weight > max_response) {
 242                     max_response = max_val*weight;
 243                     max_response_map = response;
 244                     max_response_pt = max_loc;
 245                     scale_index = i;
 246                 }
 247             }
 248 #pragma omp ordered
 249             scale_responses.push_back(max_val*weight);
 250         }
 251     }
 252     //sub pixel quadratic interpolation from neighbours
 253     if (max_response_pt.y > max_response_map.rows / 2) //wrap around to negative half-space of vertical axis
 254         max_response_pt.y = max_response_pt.y - max_response_map.rows;
 255     if (max_response_pt.x > max_response_map.cols / 2) //same for horizontal axis
 256         max_response_pt.x = max_response_pt.x - max_response_map.cols;
 257
 258     cv::Point2f new_location(max_response_pt.x, max_response_pt.y);
 259
 260     if (m_use_subpixel_localization)
 261         new_location = sub_pixel_peak(max_response_pt, max_response_map);
 262
 263     p_pose.cx += p_current_scale*p_cell_size*new_location.x;
 264     p_pose.cy += p_current_scale*p_cell_size*new_location.y;
 265     if (p_pose.cx < 0) p_pose.cx = 0;
 266     if (p_pose.cx > img.cols-1) p_pose.cx = img.cols-1;
 267     if (p_pose.cy < 0) p_pose.cy = 0;
 268     if (p_pose.cy > img.rows-1) p_pose.cy = img.rows-1;
 269
 270     //sub grid scale interpolation
 271     double new_scale = p_scales[scale_index];
 272     if (m_use_subgrid_scale)
 273         new_scale = sub_grid_scale(scale_responses, scale_index);
 274
 275     p_current_scale *= new_scale;
 276
 277     if (p_current_scale < p_min_max_scale[0])
 278         p_current_scale = p_min_max_scale[0];
 279     if (p_current_scale > p_min_max_scale[1])
 280         p_current_scale = p_min_max_scale[1];
 281     //obtain a subwindow for training at newly estimated target position
 282     patch_feat = get_features(input_rgb, input_gray, p_pose.cx, p_pose.cy, p_windows_size[0], p_windows_size[1], p_current_scale);
 283     ComplexMat xf = fft2(patch_feat, p_cos_window);
 284
 285     //subsequent frames, interpolate model
 286     p_model_xf = p_model_xf * (1. - p_interp_factor) + xf * p_interp_factor;
 287
 288     ComplexMat alphaf_num, alphaf_den;
 289
 290     if (m_use_linearkernel) {
 291         ComplexMat xfconj = xf.conj();
 292         alphaf_num = xfconj.mul(p_yf);
 293         alphaf_den = (xf * xfconj);
 294     } else {
 295         //Kernel Ridge Regression, calculate alphas (in Fourier domain)
 296         ComplexMat kf = gaussian_correlation(xf, xf, p_kernel_sigma, true);
 297 //        ComplexMat alphaf = p_yf / (kf + p_lambda); //equation for fast training
 298 //        p_model_alphaf = p_model_alphaf * (1. - p_interp_factor) + alphaf * p_interp_factor;
 299         alphaf_num = p_yf * kf;
 300         alphaf_den = kf * (kf + p_lambda);
 301     }
 302
 303     p_model_alphaf_num = p_model_alphaf_num * (1. - p_interp_factor) + alphaf_num * p_interp_factor;
 304     p_model_alphaf_den = p_model_alphaf_den * (1. - p_interp_factor) + alphaf_den * p_interp_factor;
 305     p_model_alphaf = p_model_alphaf_num / p_model_alphaf_den;
 306 }
 307
 308 // ****************************************************************************
 309
 310 std::vector<cv::Mat> KCF_Tracker::get_features(cv::Mat & input_rgb, cv::Mat & input_gray, int cx, int cy, int size_x, int size_y, double scale)
 311 {
 312     int size_x_scaled = floor(size_x*scale);
 313     int size_y_scaled = floor(size_y*scale);
 314
 315     cv::Mat patch_gray = get_subwindow(input_gray, cx, cy, size_x_scaled, size_y_scaled);
 316     cv::Mat patch_rgb = get_subwindow(input_rgb, cx, cy, size_x_scaled, size_y_scaled);
 317
 318     //resize to default size
 319     if (scale > 1.){
 320         //if we downsample use  INTER_AREA interpolation
 321         cv::resize(patch_gray, patch_gray, cv::Size(size_x, size_y), 0., 0., cv::INTER_AREA);
 322     }else {
 323         cv::resize(patch_gray, patch_gray, cv::Size(size_x, size_y), 0., 0., cv::INTER_LINEAR);
 324     }
 325
 326     // get hog(Histogram of Oriented Gradients) features
 327     std::vector<cv::Mat> hog_feat = FHoG::extract(patch_gray, 2, p_cell_size, 9);
 328
 329     //get color rgb features (simple r,g,b channels)
 330     std::vector<cv::Mat> color_feat;
 331     if ((m_use_color || m_use_cnfeat) && input_rgb.channels() == 3) {
 332         //resize to default size
 333         if (scale > 1.){
 334             //if we downsample use  INTER_AREA interpolation
 335             cv::resize(patch_rgb, patch_rgb, cv::Size(size_x/p_cell_size, size_y/p_cell_size), 0., 0., cv::INTER_AREA);
 336         }else {
 337             cv::resize(patch_rgb, patch_rgb, cv::Size(size_x/p_cell_size, size_y/p_cell_size), 0., 0., cv::INTER_LINEAR);
 338         }
 339     }
 340
 341     if (m_use_color && input_rgb.channels() == 3) {
 342         //use rgb color space
 343         cv::Mat patch_rgb_norm;
 344         patch_rgb.convertTo(patch_rgb_norm, CV_32F, 1. / 255., -0.5);
 345         cv::Mat ch1(patch_rgb_norm.size(), CV_32FC1);
 346         cv::Mat ch2(patch_rgb_norm.size(), CV_32FC1);
 347         cv::Mat ch3(patch_rgb_norm.size(), CV_32FC1);
 348         std::vector<cv::Mat> rgb = {ch1, ch2, ch3};
 349         cv::split(patch_rgb_norm, rgb);
 350         color_feat.insert(color_feat.end(), rgb.begin(), rgb.end());
 351     }
 352
 353     if (m_use_cnfeat && input_rgb.channels() == 3) {
 354         std::vector<cv::Mat> cn_feat = CNFeat::extract(patch_rgb);
 355         color_feat.insert(color_feat.end(), cn_feat.begin(), cn_feat.end());
 356     }
 357
 358     hog_feat.insert(hog_feat.end(), color_feat.begin(), color_feat.end());
 359     return hog_feat;
 360 }
 361
 362 cv::Mat KCF_Tracker::gaussian_shaped_labels(double sigma, int dim1, int dim2)
 363 {
 364     cv::Mat labels(dim2, dim1, CV_32FC1);
 365     int range_y[2] = {-dim2 / 2, dim2 - dim2 / 2};
 366     int range_x[2] = {-dim1 / 2, dim1 - dim1 / 2};
 367
 368     double sigma_s = sigma*sigma;
 369
 370     for (int y = range_y[0], j = 0; y < range_y[1]; ++y, ++j){
 371         float * row_ptr = labels.ptr<float>(j);
 372         double y_s = y*y;
 373         for (int x = range_x[0], i = 0; x < range_x[1]; ++x, ++i){
 374             row_ptr[i] = std::exp(-0.5 * (y_s + x*x) / sigma_s);//-1/2*e^((y^2+x^2)/sigma^2)
 375         }
 376     }
 377
 378     //rotate so that 1 is at top-left corner (see KCF paper for explanation)
 379     cv::Mat rot_labels = circshift(labels, range_x[0], range_y[0]);
 380     //sanity check, 1 at top left corner
 381     assert(rot_labels.at<float>(0,0) >= 1.f - 1e-10f);
 382
 383     return rot_labels;
 384 }
 385
 386 cv::Mat KCF_Tracker::circshift(const cv::Mat &patch, int x_rot, int y_rot)
 387 {
 388     cv::Mat rot_patch(patch.size(), CV_32FC1);
 389     cv::Mat tmp_x_rot(patch.size(), CV_32FC1);
 390
 391     //circular rotate x-axis
 392     if (x_rot < 0) {
 393         //move part that does not rotate over the edge
 394         cv::Range orig_range(-x_rot, patch.cols);
 395         cv::Range rot_range(0, patch.cols - (-x_rot));
 396         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 397
 398         //rotated part
 399         orig_range = cv::Range(0, -x_rot);
 400         rot_range = cv::Range(patch.cols - (-x_rot), patch.cols);
 401         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 402     }else if (x_rot > 0){
 403         //move part that does not rotate over the edge
 404         cv::Range orig_range(0, patch.cols - x_rot);
 405         cv::Range rot_range(x_rot, patch.cols);
 406         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 407
 408         //rotated part
 409         orig_range = cv::Range(patch.cols - x_rot, patch.cols);
 410         rot_range = cv::Range(0, x_rot);
 411         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 412     }else {    //zero rotation
 413         //move part that does not rotate over the edge
 414         cv::Range orig_range(0, patch.cols);
 415         cv::Range rot_range(0, patch.cols);
 416         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 417     }
 418
 419     //circular rotate y-axis
 420     if (y_rot < 0) {
 421         //move part that does not rotate over the edge
 422         cv::Range orig_range(-y_rot, patch.rows);
 423         cv::Range rot_range(0, patch.rows - (-y_rot));
 424         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 425
 426         //rotated part
 427         orig_range = cv::Range(0, -y_rot);
 428         rot_range = cv::Range(patch.rows - (-y_rot), patch.rows);
 429         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 430     }else if (y_rot > 0){
 431         //move part that does not rotate over the edge
 432         cv::Range orig_range(0, patch.rows - y_rot);
 433         cv::Range rot_range(y_rot, patch.rows);
 434         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 435
 436         //rotated part
 437         orig_range = cv::Range(patch.rows - y_rot, patch.rows);
 438         rot_range = cv::Range(0, y_rot);
 439         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 440     }else { //zero rotation
 441         //move part that does not rotate over the edge
 442         cv::Range orig_range(0, patch.rows);
 443         cv::Range rot_range(0, patch.rows);
 444         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 445     }
 446
 447     return rot_patch;
 448 }
 449
 450 ComplexMat KCF_Tracker::fft2(const cv::Mat &input)
 451 {
 452     cv::Mat complex_result;
 453 #ifdef OPENCV_CUFFT
 454     cv::Mat flip_h,imag_h;
 455
 456     cv::cuda::HostMem hostmem_input(input, cv::cuda::HostMem::SHARED);
 457     cv::cuda::HostMem hostmem_real(cv::Size(input.cols,input.rows/2+1), CV_32FC2, cv::cuda::HostMem::SHARED);
 458
 459     cv::cuda::dft(hostmem_input,hostmem_real,hostmem_input.size(),0,stream);
 460     stream.waitForCompletion();
 461
 462     cv::Mat real_h = hostmem_real.createMatHeader();
 463
 464     //create reversed copy of result and merge them
 465     cv::flip(hostmem_real,flip_h,1);
 466     flip_h(cv::Range(0, flip_h.rows), cv::Range(1, flip_h.cols)).copyTo(imag_h);
 467
 468     std::vector<cv::Mat> matarray = {real_h,imag_h};
 469
 470     cv::hconcat(matarray,complex_result);
 471 #endif
 472 #ifdef FFTW
 473     if(input.type()!=CV_32FC2){
 474       cv::Mat planes[]={cv::Mat_<float>(input),cv::Mat::zeros(input.size(),CV_32F)};
 475       merge(planes,2,complex_result);
 476     }
 477
 478     fftwf_plan plan_f;
 479
 480     int width = input.cols;
 481     int height = input.rows;
 482 #pragma omp critical
 483     {
 484 #ifdef ASYNC
 485       std::unique_lock<std::mutex> lock_i(fftw_mut);
 486 #endif //ASYNC
 487
 488 #ifdef OPENMP
 489     fftw_plan_with_nthreads(omp_get_max_threads());
 490 #endif //OPENMP
 491     plan_f=fftwf_plan_dft_2d(height,width,(fftwf_complex*)complex_result.data,(fftwf_complex*)complex_result.data,FFTW_FORWARD,FFTW_ESTIMATE);
 492 #ifdef ASYNC
 493     lock_i.unlock();
 494 #endif // ASYNC
 495     }
 496
 497     // Exectue fft
 498     fftwf_execute( plan_f );
 499
 500     // Destroy FFTW plan
 501 #pragma omp critical
 502     {
 503 #ifdef ASYNC
 504       std::unique_lock<std::mutex> lock_d(fftw_mut);
 505 #endif //ASYNC
 506     fftwf_destroy_plan(plan_f);
 507 #ifdef ASYNC
 508       lock_d.unlock();
 509 #endif //ASYNC
 510     }
 511 #endif //FFTW
 512 #if !defined OPENCV_CUFFT || !defined FFTW
 513     cv::dft(input, complex_result, cv::DFT_COMPLEX_OUTPUT);
 514 #endif //!defined OPENCV_CUFFT || !defined FFTW
 515
 516     if (m_debug) {
 517         //extraxt x and y channels
 518         cv::Mat xy[2]; //X,Y
 519         cv::split(complex_result, xy);
 520
 521         //calculate angle and magnitude
 522         cv::Mat magnitude, angle;
 523         cv::cartToPolar(xy[0], xy[1], magnitude, angle, true);
 524
 525         //translate magnitude to range [0;1]
 526         double mag_max;
 527         cv::minMaxLoc(magnitude, 0, &mag_max);
 528         magnitude.convertTo(magnitude, -1, 1.0 / mag_max);
 529
 530         //build hsv image
 531         cv::Mat _hsv[3], hsv;
 532         _hsv[0] = angle;
 533         _hsv[1] = cv::Mat::ones(angle.size(), CV_32F);
 534         _hsv[2] = magnitude;
 535         cv::merge(_hsv, 3, hsv);
 536
 537         //convert to BGR and show
 538         cv::Mat bgr;//CV_32FC3 matrix
 539         cv::cvtColor(hsv, bgr, cv::COLOR_HSV2BGR);
 540         cv::resize(bgr, bgr, cv::Size(600,600));
 541         cv::imshow("DFT", bgr);
 542         cv::waitKey(10);
 543     }
 544
 545     return ComplexMat(complex_result);
 546 }
 547
 548 ComplexMat KCF_Tracker::fft2(const std::vector<cv::Mat> &input, const cv::Mat &cos_window)
 549 {
 550     int n_channels = input.size();
 551     cv::Mat complex_result;
 552
 553 #ifdef OPENCV_CUFFT
 554     cv::Mat flip_h,imag_h;
 555     cv::cuda::GpuMat src_gpu;
 556     cv::cuda::HostMem hostmem_real(cv::Size(input[0].cols,input[0].rows/2+1), CV_32FC2, cv::cuda::HostMem::SHARED);
 557 #endif //OPENCV_CUFFT
 558 #ifdef FFTW
 559     // Prepare variables and FFTW plan for float precision FFT
 560
 561     fftwf_plan       plan_f;
 562
 563     int width = input[0].cols;
 564     int height = input[0].rows;
 565
 566     complex_result  = cv::Mat::zeros(height, width, CV_32FC2);
 567 #pragma omp critical
 568     {
 569 #ifdef ASYNC
 570       std::unique_lock<std::mutex> lock_i(fftw_mut);
 571 #endif //ASYNC
 572 #ifdef OPENMP
 573     fftw_plan_with_nthreads(omp_get_max_threads());
 574 #endif //OPENMP
 575     plan_f=fftwf_plan_dft_2d( height , width , (fftwf_complex*) complex_result.data ,(fftwf_complex*) complex_result.data ,FFTW_FORWARD,FFTW_MEASURE);
 576 #ifdef ASYNC
 577       lock_i.unlock();
 578 #endif //ASYNC
 579     }
 580 #endif //FFTW
 581
 582     ComplexMat result(input[0].rows, input[0].cols, n_channels);
 583     for (int i = 0; i < n_channels; ++i){
 584 #ifdef OPENCV_CUFFT
 585         cv::cuda::HostMem hostmem_input(input[i], cv::cuda::HostMem::SHARED);
 586         cv::cuda::multiply(hostmem_input,p_cos_window_d,src_gpu);
 587         cv::cuda::dft(src_gpu,hostmem_real,src_gpu.size(),0,stream);
 588         stream.waitForCompletion();
 589
 590         cv::Mat real_h = hostmem_real.createMatHeader();
 591
 592         //create reversed copy of result and merge them
 593         cv::flip(hostmem_real,flip_h,1);
 594         flip_h(cv::Range(0, flip_h.rows), cv::Range(1, flip_h.cols)).copyTo(imag_h);
 595
 596         std::vector<cv::Mat> matarray = {real_h,imag_h};
 597
 598         cv::hconcat(matarray,complex_result);
 599 #endif //OPENCV_CUFFT
 600 #ifdef FFTW
 601         cv::Mat tmp = input[i].mul(cos_window);
 602         cv::Mat planes[]={cv::Mat_<float>(tmp),cv::Mat::zeros(tmp.size(),CV_32F)};
 603         merge(planes,2,complex_result);
 604
 605         // Execute FFT
 606         fftwf_execute( plan_f );
 607 #endif //FFTW
 608 #if !defined OPENCV_CUFFT || !defined FFTW
 609         cv::dft(input[i].mul(cos_window), complex_result, cv::DFT_COMPLEX_OUTPUT);
 610 #endif //!defined OPENCV_CUFFT || !defined FFTW
 611         result.set_channel(i, complex_result);
 612     }
 613 #ifdef FFTW
 614     // Destroy FFT plan
 615 #pragma omp critical
 616 {
 617 #if defined(FFTW) && defined(ASYNC)
 618       std::unique_lock<std::mutex> lock_d(fftw_mut);
 619 #endif
 620     fftwf_destroy_plan(plan_f);
 621 #ifdef ASYNC
 622       lock_d.unlock();
 623 #endif //ASYNC
 624 }
 625 #endif //FFTW
 626     return result;
 627 }
 628
 629 cv::Mat KCF_Tracker::ifft2(const ComplexMat &inputf)
 630 {
 631 #ifdef FFTW
 632     // Prepare variables and FFTW plan for float precision IFFT
 633     fftwf_plan plan_if;
 634     int  width, height;
 635 #endif //FFTW
 636     cv::Mat real_result;
 637
 638     if (inputf.n_channels == 1){
 639 #ifdef FFTW
 640         real_result=inputf.to_cv_mat();
 641
 642         width=real_result.cols;
 643         height=real_result.rows;
 644
 645 #pragma omp critical
 646         {
 647 #ifdef ASYNC
 648       std::unique_lock<std::mutex> lock_i(fftw_mut);
 649 #endif //ASYNC
 650 #ifdef OPENMP
 651         fftw_plan_with_nthreads(omp_get_max_threads());
 652 #endif //OPENMP
 653         plan_if=fftwf_plan_dft_2d( height , width , (fftwf_complex*) real_result.data , (fftwf_complex*) real_result.data ,FFTW_BACKWARD,FFTW_ESTIMATE);
 654 #ifdef ASYNC
 655       lock_i.unlock();
 656 #endif //ASYNC
 657         }
 658         // Execute IFFT
 659         fftwf_execute( plan_if );
 660         cv::Mat planes[2];
 661         cv::split(real_result,planes);
 662         real_result=planes[0].clone();
 663         real_result=real_result/(height*width);
 664         // Destroy FFTW plan
 665 #pragma omp critical
 666         {
 667 #ifdef ASYNC
 668       std::unique_lock<std::mutex> lock_d(fftw_mut);
 669 #endif //ASYNC
 670         fftwf_destroy_plan(plan_if);
 671 #ifdef ASYNC
 672       lock_d.unlock();
 673 #endif //ASYNC
 674         }
 675 #endif //FFTW
 676 #ifndef FFTW
 677         cv::dft(inputf.to_cv_mat(),real_result, cv::DFT_INVERSE | cv::DFT_REAL_OUTPUT | cv::DFT_SCALE);
 678 #endif //FFTW
 679
 680     } else {
 681         std::vector<cv::Mat> mat_channels = inputf.to_cv_mat_vector();
 682         std::vector<cv::Mat> ifft_mats(inputf.n_channels);
 683 #ifdef FFTW
 684         width=mat_channels[0].cols;
 685         height=mat_channels[0].rows;
 686
 687         real_result=cv::Mat::zeros(height,width,CV_32FC2);
 688 #pragma omp critical
 689         {
 690 #ifdef ASYNC
 691       std::unique_lock<std::mutex> lock_i(fftw_mut);
 692 #endif //ASYNC
 693 #ifdef OPENMP
 694         fftw_plan_with_nthreads(omp_get_max_threads());
 695 #endif //OPENMP
 696         plan_if=fftwf_plan_dft_2d( height , width , (fftwf_complex*) real_result.data , (fftwf_complex*) real_result.data ,FFTW_BACKWARD,FFTW_MEASURE);
 697 #ifdef ASYNC
 698       lock_i.unlock();
 699 #endif //ASYNC
 700         }
 701 #endif //FFTW
 702         for (int i = 0; i < inputf.n_channels; ++i) {
 703 #ifdef FFTW
 704           mat_channels[i].copyTo(real_result);
 705             // Execute IFFT
 706           fftwf_execute( plan_if );
 707
 708           cv::Mat planes[2];
 709           cv::split(real_result,planes);
 710           ifft_mats[i]=planes[0].clone();
 711           ifft_mats[i]=ifft_mats[i]/(height*width);
 712
 713 #else
 714             cv::dft(mat_channels[i], ifft_mats[i], cv::DFT_INVERSE | cv::DFT_REAL_OUTPUT | cv::DFT_SCALE);
 715 #endif //FFTW
 716         }
 717 #ifdef FFTW
 718         // Destroy FFTW plan
 719 #pragma omp critical
 720 {
 721 #ifdef ASYNC
 722       std::unique_lock<std::mutex> lock_d(fftw_mut);
 723 #endif //ASYNC
 724       fftwf_destroy_plan(plan_if);
 725 #ifdef ASYNC
 726       lock_d.unlock();
 727 #endif //ASYNC
 728 }
 729 #endif //FFTW
 730         cv::merge(ifft_mats, real_result);
 731     }
 732     return real_result;
 733 }
 734
 735 //hann window actually (Power-of-cosine windows)
 736 cv::Mat KCF_Tracker::cosine_window_function(int dim1, int dim2)
 737 {
 738     cv::Mat m1(1, dim1, CV_32FC1), m2(dim2, 1, CV_32FC1);
 739     double N_inv = 1./(static_cast<double>(dim1)-1.);
 740     for (int i = 0; i < dim1; ++i)
 741         m1.at<float>(i) = 0.5*(1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv));
 742     N_inv = 1./(static_cast<double>(dim2)-1.);
 743     for (int i = 0; i < dim2; ++i)
 744         m2.at<float>(i) = 0.5*(1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv));
 745     cv::Mat ret = m2*m1;
 746 #ifdef OPENCV_CUFFT
 747     cv::cuda::createContinuous(cv::Size(ret.cols,ret.rows),CV_32FC1,p_cos_window_d);
 748     p_cos_window_d.upload(ret);
 749 #endif
 750     return ret;
 751 }
 752
 753 // Returns sub-window of image input centered at [cx, cy] coordinates),
 754 // with size [width, height]. If any pixels are outside of the image,
 755 // they will replicate the values at the borders.
 756 cv::Mat KCF_Tracker::get_subwindow(const cv::Mat &input, int cx, int cy, int width, int height)
 757 {
 758     cv::Mat patch;
 759
 760     int x1 = cx - width/2;
 761     int y1 = cy - height/2;
 762     int x2 = cx + width/2;
 763     int y2 = cy + height/2;
 764
 765     //out of image
 766     if (x1 >= input.cols || y1 >= input.rows || x2 < 0 || y2 < 0) {
 767         patch.create(height, width, input.type());
 768         patch.setTo(0.f);
 769         return patch;
 770     }
 771
 772     int top = 0, bottom = 0, left = 0, right = 0;
 773
 774     //fit to image coordinates, set border extensions;
 775     if (x1 < 0) {
 776         left = -x1;
 777         x1 = 0;
 778     }
 779     if (y1 < 0) {
 780         top = -y1;
 781         y1 = 0;
 782     }
 783     if (x2 >= input.cols) {
 784         right = x2 - input.cols + width % 2;
 785         x2 = input.cols;
 786     } else
 787         x2 += width % 2;
 788
 789     if (y2 >= input.rows) {
 790         bottom = y2 - input.rows + height % 2;
 791         y2 = input.rows;
 792     } else
 793         y2 += height % 2;
 794
 795     if (x2 - x1 == 0 || y2 - y1 == 0)
 796         patch = cv::Mat::zeros(height, width, CV_32FC1);
 797     else
 798         {
 799             cv::copyMakeBorder(input(cv::Range(y1, y2), cv::Range(x1, x2)), patch, top, bottom, left, right, cv::BORDER_REPLICATE);
 800 //      imshow( "copyMakeBorder", patch);
 801 //      cv::waitKey();
 802         }
 803
 804     //sanity check
 805     assert(patch.cols == width && patch.rows == height);
 806
 807     return patch;
 808 }
 809
 810 ComplexMat KCF_Tracker::gaussian_correlation(const ComplexMat &xf, const ComplexMat &yf, double sigma, bool auto_correlation)
 811 {
 812     float xf_sqr_norm = xf.sqr_norm();
 813     float yf_sqr_norm = auto_correlation ? xf_sqr_norm : yf.sqr_norm();
 814
 815     ComplexMat xyf = auto_correlation ? xf.sqr_mag() : xf * yf.conj();
 816
 817     //ifft2 and sum over 3rd dimension, we dont care about individual channels
 818     cv::Mat xy_sum(xf.rows, xf.cols, CV_32FC1);
 819     xy_sum.setTo(0);
 820     cv::Mat ifft2_res = ifft2(xyf);
 821     for (int y = 0; y < xf.rows; ++y) {
 822         float * row_ptr = ifft2_res.ptr<float>(y);
 823         float * row_ptr_sum = xy_sum.ptr<float>(y);
 824         for (int x = 0; x < xf.cols; ++x){
 825             row_ptr_sum[x] = std::accumulate((row_ptr + x*ifft2_res.channels()), (row_ptr + x*ifft2_res.channels() + ifft2_res.channels()), 0.f);
 826         }
 827     }
 828
 829     float numel_xf_inv = 1.f/(xf.cols * xf.rows * xf.n_channels);
 830     cv::Mat tmp;
 831     cv::exp(- 1.f / (sigma * sigma) * cv::max((xf_sqr_norm + yf_sqr_norm - 2 * xy_sum) * numel_xf_inv, 0), tmp);
 832
 833     return fft2(tmp);
 834 }
 835
 836 float get_response_circular(cv::Point2i & pt, cv::Mat & response)
 837 {
 838     int x = pt.x;
 839     int y = pt.y;
 840     if (x < 0)
 841         x = response.cols + x;
 842     if (y < 0)
 843         y = response.rows + y;
 844     if (x >= response.cols)
 845         x = x - response.cols;
 846     if (y >= response.rows)
 847         y = y - response.rows;
 848
 849     return response.at<float>(y,x);
 850 }
 851
 852 cv::Point2f KCF_Tracker::sub_pixel_peak(cv::Point & max_loc, cv::Mat & response)
 853 {
 854     //find neighbourhood of max_loc (response is circular)
 855     // 1 2 3
 856     // 4   5
 857     // 6 7 8
 858     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);
 859     cv::Point2i p4(max_loc.x-1, max_loc.y), p5(max_loc.x+1, max_loc.y);
 860     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);
 861
 862     // fit 2d quadratic function f(x, y) = a*x^2 + b*x*y + c*y^2 + d*x + e*y + f
 863     cv::Mat A = (cv::Mat_<float>(9, 6) <<
 864                  p1.x*p1.x, p1.x*p1.y, p1.y*p1.y, p1.x, p1.y, 1.f,
 865                  p2.x*p2.x, p2.x*p2.y, p2.y*p2.y, p2.x, p2.y, 1.f,
 866                  p3.x*p3.x, p3.x*p3.y, p3.y*p3.y, p3.x, p3.y, 1.f,
 867                  p4.x*p4.x, p4.x*p4.y, p4.y*p4.y, p4.x, p4.y, 1.f,
 868                  p5.x*p5.x, p5.x*p5.y, p5.y*p5.y, p5.x, p5.y, 1.f,
 869                  p6.x*p6.x, p6.x*p6.y, p6.y*p6.y, p6.x, p6.y, 1.f,
 870                  p7.x*p7.x, p7.x*p7.y, p7.y*p7.y, p7.x, p7.y, 1.f,
 871                  p8.x*p8.x, p8.x*p8.y, p8.y*p8.y, p8.x, p8.y, 1.f,
 872                  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);
 873     cv::Mat fval = (cv::Mat_<float>(9, 1) <<
 874                     get_response_circular(p1, response),
 875                     get_response_circular(p2, response),
 876                     get_response_circular(p3, response),
 877                     get_response_circular(p4, response),
 878                     get_response_circular(p5, response),
 879                     get_response_circular(p6, response),
 880                     get_response_circular(p7, response),
 881                     get_response_circular(p8, response),
 882                     get_response_circular(max_loc, response));
 883     cv::Mat x;
 884     cv::solve(A, fval, x, cv::DECOMP_SVD);
 885
 886     double a = x.at<float>(0), b = x.at<float>(1), c = x.at<float>(2),
 887            d = x.at<float>(3), e = x.at<float>(4);
 888
 889     cv::Point2f sub_peak(max_loc.x, max_loc.y);
 890     if (b > 0 || b < 0) {
 891         sub_peak.y = ((2.f * a * e) / b - d) / (b - (4 * a * c) / b);
 892         sub_peak.x = (-2 * c * sub_peak.y - e) / b;
 893     }
 894
 895     return sub_peak;
 896 }
 897
 898 double KCF_Tracker::sub_grid_scale(std::vector<double> & responses, int index)
 899 {
 900     cv::Mat A, fval;
 901     if (index < 0 || index > (int)p_scales.size()-1) {
 902         // interpolate from all values
 903         // fit 1d quadratic function f(x) = a*x^2 + b*x + c
 904         A.create(p_scales.size(), 3, CV_32FC1);
 905         fval.create(p_scales.size(), 1, CV_32FC1);
 906         for (size_t i = 0; i < p_scales.size(); ++i) {
 907             A.at<float>(i, 0) = p_scales[i] * p_scales[i];
 908             A.at<float>(i, 1) = p_scales[i];
 909             A.at<float>(i, 2) = 1;
 910             fval.at<float>(i) = responses[i];
 911         }
 912     } else {
 913         //only from neighbours
 914         if (index == 0 || index == (int)p_scales.size()-1)
 915             return p_scales[index];
 916
 917         A = (cv::Mat_<float>(3, 3) <<
 918              p_scales[index-1] * p_scales[index-1], p_scales[index-1], 1,
 919              p_scales[index] * p_scales[index], p_scales[index], 1,
 920              p_scales[index+1] * p_scales[index+1], p_scales[index+1], 1);
 921         fval = (cv::Mat_<float>(3, 1) << responses[index-1], responses[index], responses[index+1]);
 922     }
 923
 924     cv::Mat x;
 925     cv::solve(A, fval, x, cv::DECOMP_SVD);
 926     double a = x.at<float>(0), b = x.at<float>(1);
 927     double scale = p_scales[index];
 928     if (a > 0 || a < 0)
 929         scale = -b / (2 * a);
 930     return scale;
 931 }