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     : 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), p_cell_size(cell_size), 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, p_roi);
  64     DEBUG_PRINT(patch_feats);
  65     MatScaleFeats temp(1, p_num_of_feats, p_roi);
  66     get_features(input_rgb, input_gray, p_pose.cx, p_pose.cy,
  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         const uint num_scales = BIG_BATCH_MODE ? p_num_scales : 1;
  84         cv::Size sz(Fft::freq_size(p_roi));
  85         ComplexMat kf(sz.height, sz.width, num_scales);
  86         (*gaussian_correlation)(*this, kf, p_model_xf, p_model_xf, p_kernel_sigma, true);
  87         DEBUG_PRINTM(kf);
  88         p_model_alphaf_num = p_yf * kf;
  89         p_model_alphaf_den = kf * (kf + p_lambda);
  90     }
  91     p_model_alphaf = p_model_alphaf_num / p_model_alphaf_den;
  92     DEBUG_PRINTM(p_model_alphaf);
  93     //        p_model_alphaf = p_yf / (kf + p_lambda);   //equation for fast training
  94 }
  95
  96 void KCF_Tracker::init(cv::Mat &img, const cv::Rect &bbox, int fit_size_x, int fit_size_y)
  97 {
  98     __dbgTracer.debug = m_debug;
  99     TRACE("");
 100
 101     // check boundary, enforce min size
 102     double x1 = bbox.x, x2 = bbox.x + bbox.width, y1 = bbox.y, y2 = bbox.y + bbox.height;
 103     if (x1 < 0) x1 = 0.;
 104     if (x2 > img.cols - 1) x2 = img.cols - 1;
 105     if (y1 < 0) y1 = 0;
 106     if (y2 > img.rows - 1) y2 = img.rows - 1;
 107
 108     if (x2 - x1 < 2 * p_cell_size) {
 109         double diff = (2 * p_cell_size - x2 + x1) / 2.;
 110         if (x1 - diff >= 0 && x2 + diff < img.cols) {
 111             x1 -= diff;
 112             x2 += diff;
 113         } else if (x1 - 2 * diff >= 0) {
 114             x1 -= 2 * diff;
 115         } else {
 116             x2 += 2 * diff;
 117         }
 118     }
 119     if (y2 - y1 < 2 * p_cell_size) {
 120         double diff = (2 * p_cell_size - y2 + y1) / 2.;
 121         if (y1 - diff >= 0 && y2 + diff < img.rows) {
 122             y1 -= diff;
 123             y2 += diff;
 124         } else if (y1 - 2 * diff >= 0) {
 125             y1 -= 2 * diff;
 126         } else {
 127             y2 += 2 * diff;
 128         }
 129     }
 130
 131     p_pose.w = x2 - x1;
 132     p_pose.h = y2 - y1;
 133     p_pose.cx = x1 + p_pose.w / 2.;
 134     p_pose.cy = y1 + p_pose.h / 2.;
 135
 136     cv::Mat input_gray, input_rgb = img.clone();
 137     if (img.channels() == 3) {
 138         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
 139         input_gray.convertTo(input_gray, CV_32FC1);
 140     } else
 141         img.convertTo(input_gray, CV_32FC1);
 142
 143     // don't need too large image
 144     if (p_pose.w * p_pose.h > 100. * 100. && (fit_size_x == -1 || fit_size_y == -1)) {
 145         std::cout << "resizing image by factor of " << 1 / p_downscale_factor << std::endl;
 146         p_resize_image = true;
 147         p_pose.scale(p_downscale_factor);
 148         cv::resize(input_gray, input_gray, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 149         cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 150     } else if (!(fit_size_x == -1 && fit_size_y == -1)) {
 151         if (fit_size_x % p_cell_size != 0 || fit_size_y % p_cell_size != 0) {
 152             std::cerr << "Error: Fit size is not multiple of HOG cell size (" << p_cell_size << ")" << std::endl;
 153             std::exit(EXIT_FAILURE);
 154         }
 155         p_scale_factor_x = (double)fit_size_x / round(p_pose.w * (1. + p_padding));
 156         p_scale_factor_y = (double)fit_size_y / round(p_pose.h * (1. + p_padding));
 157         std::cout << "resizing image horizontaly by factor of " << p_scale_factor_x << " and verticaly by factor of "
 158                   << p_scale_factor_y << std::endl;
 159         p_fit_to_pw2 = true;
 160         p_pose.scale_x(p_scale_factor_x);
 161         p_pose.scale_y(p_scale_factor_y);
 162         if (fabs(p_scale_factor_x - 1) > p_floating_error || fabs(p_scale_factor_y - 1) > p_floating_error) {
 163             if (p_scale_factor_x < 1 && p_scale_factor_y < 1) {
 164                 cv::resize(input_gray, input_gray, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_AREA);
 165                 cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_AREA);
 166             } else {
 167                 cv::resize(input_gray, input_gray, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_LINEAR);
 168                 cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_LINEAR);
 169             }
 170         }
 171     }
 172
 173     // compute win size + fit to fhog cell size
 174     p_windows_size.width = round(p_pose.w * (1. + p_padding) / p_cell_size) * p_cell_size;
 175     p_windows_size.height = round(p_pose.h * (1. + p_padding) / p_cell_size) * p_cell_size;
 176     p_roi.width = p_windows_size.width / p_cell_size;
 177     p_roi.height = p_windows_size.height / p_cell_size;
 178
 179     p_scales.clear();
 180     if (m_use_scale)
 181         for (int i = -int(p_num_scales) / 2; i <= int(p_num_scales) / 2; ++i)
 182             p_scales.push_back(std::pow(p_scale_step, i));
 183     else
 184         p_scales.push_back(1.);
 185
 186 #ifdef CUFFT
 187     if (p_roi.height * (p_roi.width / 2 + 1) > 1024) {
 188         std::cerr << "Window after forward FFT is too big for CUDA kernels. Plese use -f to set "
 189                      "the window dimensions so its size is less or equal to "
 190                   << 1024 * p_cell_size * p_cell_size * 2 + 1
 191                   << " pixels . Currently the size of the window is: " << p_windows_size.width << "x" << p_windows_size.height
 192                   << " which is  " << p_windows_size.width * p_windows_size.height << " pixels. " << std::endl;
 193         std::exit(EXIT_FAILURE);
 194     }
 195
 196     if (m_use_linearkernel) {
 197         std::cerr << "cuFFT supports only Gaussian kernel." << std::endl;
 198         std::exit(EXIT_FAILURE);
 199     }
 200     CudaSafeCall(cudaSetDeviceFlags(cudaDeviceMapHost));
 201 #else
 202     p_xf.create(p_roi.height, p_roi.height / 2 + 1, p_num_of_feats);
 203 #endif
 204
 205 #if defined(CUFFT) || defined(FFTW)
 206     uint width = p_roi.width / 2 + 1;
 207 #else
 208     uint width = p_roi.width;
 209 #endif
 210     p_model_xf.create(p_roi.height, width, p_num_of_feats);
 211     p_yf.create(p_roi.height, width, 1);
 212     p_xf.create(p_roi.height, width, p_num_of_feats);
 213
 214 #ifndef BIG_BATCH
 215     for (auto scale: p_scales)
 216         d.threadctxs.emplace_back(p_roi, p_num_of_feats, scale);
 217 #else
 218     d.threadctxs.emplace_back(p_roi, p_num_of_feats, p_num_scales);
 219 #endif
 220
 221     gaussian_correlation.reset(
 222                 new GaussianCorrelation(IF_BIG_BATCH(p_num_scales, 1), p_roi));
 223
 224     p_current_scale = 1.;
 225
 226     double min_size_ratio = std::max(5. * p_cell_size / p_windows_size.width, 5. * p_cell_size / p_windows_size.height);
 227     double max_size_ratio =
 228         std::min(floor((img.cols + p_windows_size.width / 3) / p_cell_size) * p_cell_size / p_windows_size.width,
 229                  floor((img.rows + p_windows_size.height / 3) / p_cell_size) * p_cell_size / p_windows_size.height);
 230     p_min_max_scale[0] = std::pow(p_scale_step, std::ceil(std::log(min_size_ratio) / log(p_scale_step)));
 231     p_min_max_scale[1] = std::pow(p_scale_step, std::floor(std::log(max_size_ratio) / log(p_scale_step)));
 232
 233     std::cout << "init: img size " << img.cols << "x" << img.rows << std::endl;
 234     std::cout << "init: win size " << p_windows_size.width << "x" << p_windows_size.height << std::endl;
 235     std::cout << "init: FFT size " << p_roi.width << "x" << p_roi.height << std::endl;
 236     std::cout << "init: min max scales factors: " << p_min_max_scale[0] << " " << p_min_max_scale[1] << std::endl;
 237
 238     p_output_sigma = std::sqrt(p_pose.w * p_pose.h) * p_output_sigma_factor / p_cell_size;
 239
 240     fft.init(p_roi.width, p_roi.height, p_num_of_feats, p_num_scales);
 241     fft.set_window(MatDynMem(cosine_window_function(p_roi.width, p_roi.height)));
 242
 243     // window weights, i.e. labels
 244     MatScales gsl(1, p_roi);
 245     gaussian_shaped_labels(p_output_sigma, p_roi.width, p_roi.height).copyTo(gsl.plane(0));
 246     fft.forward(gsl, p_yf);
 247     DEBUG_PRINTM(p_yf);
 248
 249     // train initial model
 250     train(input_rgb, input_gray, 1.0);
 251 }
 252
 253 void KCF_Tracker::setTrackerPose(BBox_c &bbox, cv::Mat &img, int fit_size_x, int fit_size_y)
 254 {
 255     init(img, bbox.get_rect(), fit_size_x, fit_size_y);
 256 }
 257
 258 void KCF_Tracker::updateTrackerPosition(BBox_c &bbox)
 259 {
 260     if (p_resize_image) {
 261         BBox_c tmp = bbox;
 262         tmp.scale(p_downscale_factor);
 263         p_pose.cx = tmp.cx;
 264         p_pose.cy = tmp.cy;
 265     } else if (p_fit_to_pw2) {
 266         BBox_c tmp = bbox;
 267         tmp.scale_x(p_scale_factor_x);
 268         tmp.scale_y(p_scale_factor_y);
 269         p_pose.cx = tmp.cx;
 270         p_pose.cy = tmp.cy;
 271     } else {
 272         p_pose.cx = bbox.cx;
 273         p_pose.cy = bbox.cy;
 274     }
 275 }
 276
 277 BBox_c KCF_Tracker::getBBox()
 278 {
 279     BBox_c tmp = p_pose;
 280     tmp.w *= p_current_scale;
 281     tmp.h *= p_current_scale;
 282
 283     if (p_resize_image) tmp.scale(1 / p_downscale_factor);
 284     if (p_fit_to_pw2) {
 285         tmp.scale_x(1 / p_scale_factor_x);
 286         tmp.scale_y(1 / p_scale_factor_y);
 287     }
 288
 289     return tmp;
 290 }
 291
 292 double KCF_Tracker::getFilterResponse() const
 293 {
 294     return this->max_response;
 295 }
 296
 297 void KCF_Tracker::resizeImgs(cv::Mat &input_rgb, cv::Mat &input_gray)
 298 {
 299     if (p_resize_image) {
 300         cv::resize(input_gray, input_gray, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 301         cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 302     } else if (p_fit_to_pw2 && fabs(p_scale_factor_x - 1) > p_floating_error &&
 303                fabs(p_scale_factor_y - 1) > p_floating_error) {
 304         if (p_scale_factor_x < 1 && p_scale_factor_y < 1) {
 305             cv::resize(input_gray, input_gray, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_AREA);
 306             cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_AREA);
 307         } else {
 308             cv::resize(input_gray, input_gray, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_LINEAR);
 309             cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_scale_factor_x, p_scale_factor_y, cv::INTER_LINEAR);
 310         }
 311     }
 312 }
 313
 314 void KCF_Tracker::findMaxReponse(uint &max_idx, cv::Point2f &new_location) const
 315 {
 316     double max = -1.;
 317 #ifndef BIG_BATCH
 318     for (uint j = 0; j < d.threadctxs.size(); ++j) {
 319         if (d.threadctxs[j].max.response > max) {
 320             max = d.threadctxs[j].max.response;
 321             max_idx = j;
 322         }
 323     }
 324 #else
 325     // FIXME: Iterate correctly in big batch mode - perhaps have only one element in the list
 326     for (uint j = 0; j < p_scales.size(); ++j) {
 327         if (d.threadctxs[0].max[j].response > max) {
 328             max = d.threadctxs[0].max[j].response;
 329             max_idx = j;
 330         }
 331     }
 332 #endif
 333     cv::Point2i &max_response_pt = IF_BIG_BATCH(d.threadctxs[0].max[max_idx].loc,        d.threadctxs[max_idx].max.loc);
 334     cv::Mat max_response_map     = IF_BIG_BATCH(d.threadctxs[0].response.plane(max_idx), d.threadctxs[max_idx].response.plane(0));
 335
 336     DEBUG_PRINTM(max_response_map);
 337     DEBUG_PRINT(max_response_pt);
 338
 339     // sub pixel quadratic interpolation from neighbours
 340     if (max_response_pt.y > max_response_map.rows / 2) // wrap around to negative half-space of vertical axis
 341         max_response_pt.y = max_response_pt.y - max_response_map.rows;
 342     if (max_response_pt.x > max_response_map.cols / 2) // same for horizontal axis
 343         max_response_pt.x = max_response_pt.x - max_response_map.cols;
 344
 345
 346     if (m_use_subpixel_localization) {
 347         new_location = sub_pixel_peak(max_response_pt, max_response_map);
 348     } else {
 349         new_location = max_response_pt;
 350     }
 351     DEBUG_PRINT(new_location);
 352 }
 353
 354 void KCF_Tracker::track(cv::Mat &img)
 355 {
 356     __dbgTracer.debug = m_debug;
 357     TRACE("");
 358
 359     cv::Mat input_gray, input_rgb = img.clone();
 360     if (img.channels() == 3) {
 361         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
 362         input_gray.convertTo(input_gray, CV_32FC1);
 363     } else
 364         img.convertTo(input_gray, CV_32FC1);
 365
 366     // don't need too large image
 367     resizeImgs(input_rgb, input_gray);
 368
 369 #ifdef ASYNC
 370     for (auto &it : d.threadctxs)
 371         it.async_res = std::async(std::launch::async, [this, &input_gray, &input_rgb, &it]() -> void {
 372             it.track(*this, input_rgb, input_gray);
 373         });
 374     for (auto const &it : d.threadctxs)
 375         it.async_res.wait();
 376
 377 #else  // !ASYNC
 378     // FIXME: Iterate correctly in big batch mode - perhaps have only one element in the list
 379     NORMAL_OMP_PARALLEL_FOR
 380     for (uint i = 0; i < d.threadctxs.size(); ++i)
 381         d.threadctxs[i].track(*this, input_rgb, input_gray);
 382 #endif
 383
 384     cv::Point2f new_location;
 385     uint max_idx;
 386     findMaxReponse(max_idx, new_location);
 387
 388     p_pose.cx += p_current_scale * p_cell_size * double(new_location.x);
 389     p_pose.cy += p_current_scale * p_cell_size * double(new_location.y);
 390     if (p_fit_to_pw2) {
 391         clamp2(p_pose.cx, 0.0, (img.cols * p_scale_factor_x) - 1);
 392         clamp2(p_pose.cy, 0.0, (img.rows * p_scale_factor_y) - 1);
 393     } else {
 394         clamp2(p_pose.cx, 0.0, img.cols - 1.0);
 395         clamp2(p_pose.cy, 0.0, img.rows - 1.0);
 396     }
 397
 398     // sub grid scale interpolation
 399     if (m_use_subgrid_scale) {
 400         p_current_scale *= sub_grid_scale(max_idx);
 401     } else {
 402         p_current_scale *= p_scales[max_idx];
 403     }
 404
 405     clamp2(p_current_scale, p_min_max_scale[0], p_min_max_scale[1]);
 406
 407     // train at newly estimated target position
 408     train(input_rgb, input_gray, p_interp_factor);
 409 }
 410
 411 void ThreadCtx::track(const KCF_Tracker &kcf, cv::Mat &input_rgb, cv::Mat &input_gray)
 412 {
 413     TRACE("");
 414
 415     BIG_BATCH_OMP_PARALLEL_FOR
 416     for (uint i = 0; i < IF_BIG_BATCH(kcf.p_num_scales, 1); ++i)
 417     {
 418         kcf.get_features(input_rgb, input_gray, kcf.p_pose.cx, kcf.p_pose.cy,
 419                          kcf.p_windows_size.width, kcf.p_windows_size.height,
 420                          kcf.p_current_scale * IF_BIG_BATCH(kcf.p_scales[i], scale))
 421                 .copyTo(patch_feats.scale(i));
 422         DEBUG_PRINT(patch_feats.scale(i));
 423     }
 424
 425     kcf.fft.forward_window(patch_feats, zf, temp);
 426     DEBUG_PRINTM(zf);
 427
 428     if (kcf.m_use_linearkernel) {
 429         kzf = zf.mul(kcf.p_model_alphaf).sum_over_channels();
 430     } else {
 431         gaussian_correlation(kcf, kzf, zf, kcf.p_model_xf, kcf.p_kernel_sigma);
 432         DEBUG_PRINTM(kzf);
 433         kzf = kzf.mul(kcf.p_model_alphaf);
 434     }
 435     kcf.fft.inverse(kzf, response);
 436
 437     DEBUG_PRINTM(response);
 438
 439     /* target location is at the maximum response. we must take into
 440     account the fact that, if the target doesn't move, the peak
 441     will appear at the top-left corner, not at the center (this is
 442     discussed in the paper). the responses wrap around cyclically. */
 443     double min_val, max_val;
 444     cv::Point2i min_loc, max_loc;
 445 #ifdef BIG_BATCH
 446     for (size_t i = 0; i < kcf.p_scales.size(); ++i) {
 447         cv::minMaxLoc(response.plane(i), &min_val, &max_val, &min_loc, &max_loc);
 448         DEBUG_PRINT(max_loc);
 449         double weight = kcf.p_scales[i] < 1. ? kcf.p_scales[i] : 1. / kcf.p_scales[i];
 450         max[i].response = max_val * weight;
 451         max[i].loc = max_loc;
 452     }
 453 #else
 454     cv::minMaxLoc(response.plane(0), &min_val, &max_val, &min_loc, &max_loc);
 455
 456     DEBUG_PRINT(max_loc);
 457     DEBUG_PRINT(max_val);
 458
 459     double weight = scale < 1. ? scale : 1. / scale;
 460     max.response = max_val * weight;
 461     max.loc = max_loc;
 462 #endif
 463 }
 464
 465 // ****************************************************************************
 466
 467 cv::Mat KCF_Tracker::get_features(cv::Mat &input_rgb, cv::Mat &input_gray, int cx, int cy,
 468                                   int size_x, int size_y, double scale) const
 469 {
 470     int size_x_scaled = floor(size_x * scale);
 471     int size_y_scaled = floor(size_y * scale);
 472
 473     cv::Mat patch_gray = get_subwindow(input_gray, cx, cy, size_x_scaled, size_y_scaled);
 474     cv::Mat patch_rgb = get_subwindow(input_rgb, cx, cy, size_x_scaled, size_y_scaled);
 475
 476     // resize to default size
 477     if (scale > 1.) {
 478         // if we downsample use  INTER_AREA interpolation
 479         cv::resize(patch_gray, patch_gray, cv::Size(size_x, size_y), 0., 0., cv::INTER_AREA);
 480     } else {
 481         cv::resize(patch_gray, patch_gray, cv::Size(size_x, size_y), 0., 0., cv::INTER_LINEAR);
 482     }
 483
 484     // get hog(Histogram of Oriented Gradients) features
 485     std::vector<cv::Mat> hog_feat = FHoG::extract(patch_gray, 2, p_cell_size, 9);
 486
 487     // get color rgb features (simple r,g,b channels)
 488     std::vector<cv::Mat> color_feat;
 489     if ((m_use_color || m_use_cnfeat) && input_rgb.channels() == 3) {
 490         // resize to default size
 491         if (scale > 1.) {
 492             // if we downsample use  INTER_AREA interpolation
 493             cv::resize(patch_rgb, patch_rgb, cv::Size(size_x / p_cell_size, size_y / p_cell_size), 0., 0., cv::INTER_AREA);
 494         } else {
 495             cv::resize(patch_rgb, patch_rgb, cv::Size(size_x / p_cell_size, size_y / p_cell_size), 0., 0., cv::INTER_LINEAR);
 496         }
 497     }
 498
 499     if (m_use_color && input_rgb.channels() == 3) {
 500         // use rgb color space
 501         cv::Mat patch_rgb_norm;
 502         patch_rgb.convertTo(patch_rgb_norm, CV_32F, 1. / 255., -0.5);
 503         cv::Mat ch1(patch_rgb_norm.size(), CV_32FC1);
 504         cv::Mat ch2(patch_rgb_norm.size(), CV_32FC1);
 505         cv::Mat ch3(patch_rgb_norm.size(), CV_32FC1);
 506         std::vector<cv::Mat> rgb = {ch1, ch2, ch3};
 507         cv::split(patch_rgb_norm, rgb);
 508         color_feat.insert(color_feat.end(), rgb.begin(), rgb.end());
 509     }
 510
 511     if (m_use_cnfeat && input_rgb.channels() == 3) {
 512         std::vector<cv::Mat> cn_feat = CNFeat::extract(patch_rgb);
 513         color_feat.insert(color_feat.end(), cn_feat.begin(), cn_feat.end());
 514     }
 515
 516     hog_feat.insert(hog_feat.end(), color_feat.begin(), color_feat.end());
 517
 518     int size[] = {p_num_of_feats, p_roi.height, p_roi.width};
 519     cv::Mat result(3, size, CV_32F);
 520     for (uint i = 0; i < hog_feat.size(); ++i)
 521         hog_feat[i].copyTo(cv::Mat(size[1], size[2], CV_32FC1, result.ptr(i)));
 522
 523     return result;
 524 }
 525
 526 cv::Mat KCF_Tracker::gaussian_shaped_labels(double sigma, int dim1, int dim2)
 527 {
 528     cv::Mat labels(dim2, dim1, CV_32FC1);
 529     int range_y[2] = {-dim2 / 2, dim2 - dim2 / 2};
 530     int range_x[2] = {-dim1 / 2, dim1 - dim1 / 2};
 531
 532     double sigma_s = sigma * sigma;
 533
 534     for (int y = range_y[0], j = 0; y < range_y[1]; ++y, ++j) {
 535         float *row_ptr = labels.ptr<float>(j);
 536         double y_s = y * y;
 537         for (int x = range_x[0], i = 0; x < range_x[1]; ++x, ++i) {
 538             row_ptr[i] = std::exp(-0.5 * (y_s + x * x) / sigma_s); //-1/2*e^((y^2+x^2)/sigma^2)
 539         }
 540     }
 541
 542     // rotate so that 1 is at top-left corner (see KCF paper for explanation)
 543     MatDynMem rot_labels = circshift(labels, range_x[0], range_y[0]);
 544     // sanity check, 1 at top left corner
 545     assert(rot_labels.at<float>(0, 0) >= 1.f - 1e-10f);
 546
 547     return rot_labels;
 548 }
 549
 550 cv::Mat KCF_Tracker::circshift(const cv::Mat &patch, int x_rot, int y_rot)
 551 {
 552     cv::Mat rot_patch(patch.size(), CV_32FC1);
 553     cv::Mat tmp_x_rot(patch.size(), CV_32FC1);
 554
 555     // circular rotate x-axis
 556     if (x_rot < 0) {
 557         // move part that does not rotate over the edge
 558         cv::Range orig_range(-x_rot, patch.cols);
 559         cv::Range rot_range(0, patch.cols - (-x_rot));
 560         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 561
 562         // rotated part
 563         orig_range = cv::Range(0, -x_rot);
 564         rot_range = cv::Range(patch.cols - (-x_rot), patch.cols);
 565         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 566     } else if (x_rot > 0) {
 567         // move part that does not rotate over the edge
 568         cv::Range orig_range(0, patch.cols - x_rot);
 569         cv::Range rot_range(x_rot, patch.cols);
 570         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 571
 572         // rotated part
 573         orig_range = cv::Range(patch.cols - x_rot, patch.cols);
 574         rot_range = cv::Range(0, x_rot);
 575         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 576     } else { // zero rotation
 577         // move part that does not rotate over the edge
 578         cv::Range orig_range(0, patch.cols);
 579         cv::Range rot_range(0, patch.cols);
 580         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 581     }
 582
 583     // circular rotate y-axis
 584     if (y_rot < 0) {
 585         // move part that does not rotate over the edge
 586         cv::Range orig_range(-y_rot, patch.rows);
 587         cv::Range rot_range(0, patch.rows - (-y_rot));
 588         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 589
 590         // rotated part
 591         orig_range = cv::Range(0, -y_rot);
 592         rot_range = cv::Range(patch.rows - (-y_rot), patch.rows);
 593         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 594     } else if (y_rot > 0) {
 595         // move part that does not rotate over the edge
 596         cv::Range orig_range(0, patch.rows - y_rot);
 597         cv::Range rot_range(y_rot, patch.rows);
 598         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 599
 600         // rotated part
 601         orig_range = cv::Range(patch.rows - y_rot, patch.rows);
 602         rot_range = cv::Range(0, y_rot);
 603         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 604     } else { // zero rotation
 605         // move part that does not rotate over the edge
 606         cv::Range orig_range(0, patch.rows);
 607         cv::Range rot_range(0, patch.rows);
 608         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 609     }
 610
 611     return rot_patch;
 612 }
 613
 614 // hann window actually (Power-of-cosine windows)
 615 cv::Mat KCF_Tracker::cosine_window_function(int dim1, int dim2)
 616 {
 617     cv::Mat m1(1, dim1, CV_32FC1), m2(dim2, 1, CV_32FC1);
 618     double N_inv = 1. / (static_cast<double>(dim1) - 1.);
 619     for (int i = 0; i < dim1; ++i)
 620         m1.at<float>(i) = float(0.5 * (1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv)));
 621     N_inv = 1. / (static_cast<double>(dim2) - 1.);
 622     for (int i = 0; i < dim2; ++i)
 623         m2.at<float>(i) = float(0.5 * (1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv)));
 624     cv::Mat ret = m2 * m1;
 625     return ret;
 626 }
 627
 628 // Returns sub-window of image input centered at [cx, cy] coordinates),
 629 // with size [width, height]. If any pixels are outside of the image,
 630 // they will replicate the values at the borders.
 631 cv::Mat KCF_Tracker::get_subwindow(const cv::Mat &input, int cx, int cy, int width, int height) const
 632 {
 633     cv::Mat patch;
 634
 635     int x1 = cx - width / 2;
 636     int y1 = cy - height / 2;
 637     int x2 = cx + width / 2;
 638     int y2 = cy + height / 2;
 639
 640     // out of image
 641     if (x1 >= input.cols || y1 >= input.rows || x2 < 0 || y2 < 0) {
 642         patch.create(height, width, input.type());
 643         patch.setTo(double(0.f));
 644         return patch;
 645     }
 646
 647     int top = 0, bottom = 0, left = 0, right = 0;
 648
 649     // fit to image coordinates, set border extensions;
 650     if (x1 < 0) {
 651         left = -x1;
 652         x1 = 0;
 653     }
 654     if (y1 < 0) {
 655         top = -y1;
 656         y1 = 0;
 657     }
 658     if (x2 >= input.cols) {
 659         right = x2 - input.cols + width % 2;
 660         x2 = input.cols;
 661     } else
 662         x2 += width % 2;
 663
 664     if (y2 >= input.rows) {
 665         bottom = y2 - input.rows + height % 2;
 666         y2 = input.rows;
 667     } else
 668         y2 += height % 2;
 669
 670     if (x2 - x1 == 0 || y2 - y1 == 0)
 671         patch = cv::Mat::zeros(height, width, CV_32FC1);
 672     else {
 673         cv::copyMakeBorder(input(cv::Range(y1, y2), cv::Range(x1, x2)), patch, top, bottom, left, right,
 674                            cv::BORDER_REPLICATE);
 675         //      imshow( "copyMakeBorder", patch);
 676         //      cv::waitKey();
 677     }
 678
 679     // sanity check
 680     assert(patch.cols == width && patch.rows == height);
 681
 682     return patch;
 683 }
 684
 685 void KCF_Tracker::GaussianCorrelation::operator()(const KCF_Tracker &kcf, ComplexMat &result, const ComplexMat &xf,
 686                                                   const ComplexMat &yf, double sigma, bool auto_correlation)
 687 {
 688     TRACE("");
 689     xf.sqr_norm(xf_sqr_norm);
 690     if (auto_correlation) {
 691         yf_sqr_norm = xf_sqr_norm;
 692     } else {
 693         yf.sqr_norm(yf_sqr_norm);
 694     }
 695     xyf = auto_correlation ? xf.sqr_mag() : xf * yf.conj(); // xf.muln(yf.conj());
 696     DEBUG_PRINTM(xyf);
 697
 698     // ifft2 and sum over 3rd dimension, we dont care about individual channels
 699     ComplexMat xyf_sum = xyf.sum_over_channels();
 700     DEBUG_PRINTM(xyf_sum);
 701     kcf.fft.inverse(xyf_sum, ifft_res);
 702     DEBUG_PRINTM(ifft_res);
 703 #ifdef CUFFT
 704     // FIXME
 705     cuda_gaussian_correlation(ifft_res.deviceMem(), k.deviceMem(), xf_sqr_norm.deviceMem(),
 706                               auto_correlation ? xf_sqr_norm.deviceMem() : yf_sqr_norm.deviceMem(), sigma,
 707                               xf.n_channels, xf.n_scales, kcf.p_roi.height, kcf.p_roi.width);
 708 #else
 709
 710     float numel_xf_inv = 1.f / (xf.cols * xf.rows * (xf.channels() / xf.n_scales));
 711     for (uint i = 0; i < xf.n_scales; ++i) {
 712         cv::Mat plane = ifft_res.plane(i);
 713         cv::exp(-1. / (sigma * sigma) * cv::max((xf_sqr_norm[i] + yf_sqr_norm[0] - 2 * ifft_res.plane(i))
 714                 * numel_xf_inv, 0), plane);
 715         DEBUG_PRINTM(plane);
 716     }
 717 #endif
 718     kcf.fft.forward(ifft_res, result);
 719 }
 720
 721 float get_response_circular(cv::Point2i &pt, cv::Mat &response)
 722 {
 723     int x = pt.x;
 724     int y = pt.y;
 725     assert(response.dims == 2); // ensure .cols and .rows are valid
 726     if (x < 0) x = response.cols + x;
 727     if (y < 0) y = response.rows + y;
 728     if (x >= response.cols) x = x - response.cols;
 729     if (y >= response.rows) y = y - response.rows;
 730
 731     return response.at<float>(y, x);
 732 }
 733
 734 cv::Point2f KCF_Tracker::sub_pixel_peak(cv::Point &max_loc, cv::Mat &response) const
 735 {
 736     // find neighbourhood of max_loc (response is circular)
 737     // 1 2 3
 738     // 4   5
 739     // 6 7 8
 740     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);
 741     cv::Point2i p4(max_loc.x - 1, max_loc.y), p5(max_loc.x + 1, max_loc.y);
 742     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);
 743
 744     // clang-format off
 745     // fit 2d quadratic function f(x, y) = a*x^2 + b*x*y + c*y^2 + d*x + e*y + f
 746     cv::Mat A = (cv::Mat_<float>(9, 6) <<
 747                  p1.x*p1.x, p1.x*p1.y, p1.y*p1.y, p1.x, p1.y, 1.f,
 748                  p2.x*p2.x, p2.x*p2.y, p2.y*p2.y, p2.x, p2.y, 1.f,
 749                  p3.x*p3.x, p3.x*p3.y, p3.y*p3.y, p3.x, p3.y, 1.f,
 750                  p4.x*p4.x, p4.x*p4.y, p4.y*p4.y, p4.x, p4.y, 1.f,
 751                  p5.x*p5.x, p5.x*p5.y, p5.y*p5.y, p5.x, p5.y, 1.f,
 752                  p6.x*p6.x, p6.x*p6.y, p6.y*p6.y, p6.x, p6.y, 1.f,
 753                  p7.x*p7.x, p7.x*p7.y, p7.y*p7.y, p7.x, p7.y, 1.f,
 754                  p8.x*p8.x, p8.x*p8.y, p8.y*p8.y, p8.x, p8.y, 1.f,
 755                  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);
 756     cv::Mat fval = (cv::Mat_<float>(9, 1) <<
 757                     get_response_circular(p1, response),
 758                     get_response_circular(p2, response),
 759                     get_response_circular(p3, response),
 760                     get_response_circular(p4, response),
 761                     get_response_circular(p5, response),
 762                     get_response_circular(p6, response),
 763                     get_response_circular(p7, response),
 764                     get_response_circular(p8, response),
 765                     get_response_circular(max_loc, response));
 766     // clang-format on
 767     cv::Mat x;
 768     cv::solve(A, fval, x, cv::DECOMP_SVD);
 769
 770     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);
 771
 772     cv::Point2f sub_peak(max_loc.x, max_loc.y);
 773     if (b > 0 || b < 0) {
 774         sub_peak.y = ((2.f * a * e) / b - d) / (b - (4 * a * c) / b);
 775         sub_peak.x = (-2 * c * sub_peak.y - e) / b;
 776     }
 777
 778     return sub_peak;
 779 }
 780
 781 double KCF_Tracker::sub_grid_scale(uint index)
 782 {
 783     cv::Mat A, fval;
 784     if (index >= p_scales.size()) {
 785         // interpolate from all values
 786         // fit 1d quadratic function f(x) = a*x^2 + b*x + c
 787         A.create(p_scales.size(), 3, CV_32FC1);
 788         fval.create(p_scales.size(), 1, CV_32FC1);
 789         for (size_t i = 0; i < p_scales.size(); ++i) {
 790             A.at<float>(i, 0) = float(p_scales[i] * p_scales[i]);
 791             A.at<float>(i, 1) = float(p_scales[i]);
 792             A.at<float>(i, 2) = 1;
 793             fval.at<float>(i) = d.threadctxs.back().IF_BIG_BATCH(max[i].response, max.response);
 794         }
 795     } else {
 796         // only from neighbours
 797         if (index == 0 || index == p_scales.size() - 1)
 798            return p_scales[index];
 799
 800         A = (cv::Mat_<float>(3, 3) <<
 801              p_scales[index - 1] * p_scales[index - 1], p_scales[index - 1], 1,
 802              p_scales[index + 0] * p_scales[index + 0], p_scales[index + 0], 1,
 803              p_scales[index + 1] * p_scales[index + 1], p_scales[index + 1], 1);
 804 #ifdef BIG_BATCH
 805         fval = (cv::Mat_<float>(3, 1) <<
 806                 d.threadctxs.back().max[index - 1].response,
 807                 d.threadctxs.back().max[index + 0].response,
 808                 d.threadctxs.back().max[index + 1].response);
 809 #else
 810         fval = (cv::Mat_<float>(3, 1) <<
 811                 d.threadctxs[index - 1].max.response,
 812                 d.threadctxs[index + 0].max.response,
 813                 d.threadctxs[index + 1].max.response);
 814 #endif
 815     }
 816
 817     cv::Mat x;
 818     cv::solve(A, fval, x, cv::DECOMP_SVD);
 819     float a = x.at<float>(0), b = x.at<float>(1);
 820     double scale = p_scales[index];
 821     if (a > 0 || a < 0)
 822         scale = -b / (2 * a);
 823     return scale;
 824 }