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 static int round_pw2_down(int x)
  96 {
  97         for (int i = 1; i < 32; i <<= 1)
  98             x |= x >> i;
  99         x++;
 100         return x >> 1;
 101 }
 102
 103
 104 void KCF_Tracker::init(cv::Mat &img, const cv::Rect &bbox, int fit_size_x, int fit_size_y)
 105 {
 106     __dbgTracer.debug = m_debug;
 107     TRACE("");
 108
 109     // check boundary, enforce min size
 110     double x1 = bbox.x, x2 = bbox.x + bbox.width, y1 = bbox.y, y2 = bbox.y + bbox.height;
 111     if (x1 < 0) x1 = 0.;
 112     if (x2 > img.cols - 1) x2 = img.cols - 1;
 113     if (y1 < 0) y1 = 0;
 114     if (y2 > img.rows - 1) y2 = img.rows - 1;
 115
 116     if (x2 - x1 < 2 * p_cell_size) {
 117         double diff = (2 * p_cell_size - x2 + x1) / 2.;
 118         if (x1 - diff >= 0 && x2 + diff < img.cols) {
 119             x1 -= diff;
 120             x2 += diff;
 121         } else if (x1 - 2 * diff >= 0) {
 122             x1 -= 2 * diff;
 123         } else {
 124             x2 += 2 * diff;
 125         }
 126     }
 127     if (y2 - y1 < 2 * p_cell_size) {
 128         double diff = (2 * p_cell_size - y2 + y1) / 2.;
 129         if (y1 - diff >= 0 && y2 + diff < img.rows) {
 130             y1 -= diff;
 131             y2 += diff;
 132         } else if (y1 - 2 * diff >= 0) {
 133             y1 -= 2 * diff;
 134         } else {
 135             y2 += 2 * diff;
 136         }
 137     }
 138
 139     p_init_pose.w = x2 - x1;
 140     p_init_pose.h = y2 - y1;
 141     p_init_pose.cx = x1 + p_init_pose.w / 2.;
 142     p_init_pose.cy = y1 + p_init_pose.h / 2.;
 143
 144     cv::Mat input_gray, input_rgb = img.clone();
 145     if (img.channels() == 3) {
 146         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
 147         input_gray.convertTo(input_gray, CV_32FC1);
 148     } else
 149         img.convertTo(input_gray, CV_32FC1);
 150
 151     // don't need too large image
 152     if (p_init_pose.w * p_init_pose.h > 100. * 100.) {
 153         std::cout << "resizing image by factor of " << 1 / p_downscale_factor << std::endl;
 154         p_resize_image = true;
 155         p_init_pose.scale(p_downscale_factor);
 156         cv::resize(input_gray, input_gray, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 157         cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 158     }
 159
 160     // compute win size + fit to fhog cell size
 161     p_windows_size.width = round(p_init_pose.w * (1. + p_padding) / p_cell_size) * p_cell_size;
 162     p_windows_size.height = round(p_init_pose.h * (1. + p_padding) / p_cell_size) * p_cell_size;
 163
 164     if (fit_size_x == 0 || fit_size_y == 0) {
 165         // Round down to the next highest power of 2
 166         fit_size = cv::Size(round_pw2_down(p_windows_size.width),
 167                             round_pw2_down(p_windows_size.height));
 168     } else if (fit_size_x == -1 || fit_size_y == -1) {
 169         fit_size =  p_windows_size;
 170     } else {
 171         fit_size = cv::Size(fit_size_x, fit_size_y);
 172     }
 173
 174     feature_size = fit_size / p_cell_size;
 175
 176     p_scales.clear();
 177     for (int i = -int(p_num_scales) / 2; i <= int(p_num_scales) / 2; ++i)
 178         p_scales.push_back(std::pow(p_scale_step, i));
 179
 180 #ifdef CUFFT
 181     if (Fft::freq_size(feature_size).area() > 1024) {
 182         std::cerr << "Window after forward FFT is too big for CUDA kernels. Plese use -f to set "
 183                      "the window dimensions so its size is less or equal to "
 184                   << 1024 * p_cell_size * p_cell_size * 2 + 1
 185                   << " pixels. Currently the size of the window is: " << fit_size
 186                   << " which is  " << fit_size.area() << " pixels. " << std::endl;
 187         std::exit(EXIT_FAILURE);
 188     }
 189
 190     if (m_use_linearkernel) {
 191         std::cerr << "cuFFT supports only Gaussian kernel." << std::endl;
 192         std::exit(EXIT_FAILURE);
 193     }
 194 #else
 195     p_xf.create(feature_size.height, feature_size.height / 2 + 1, p_num_of_feats);
 196 #endif
 197
 198 #if defined(CUFFT) || defined(FFTW)
 199     uint width = feature_size.width / 2 + 1;
 200 #else
 201     uint width = feature_size.width;
 202 #endif
 203     p_model_xf.create(feature_size.height, width, p_num_of_feats);
 204     p_yf.create(feature_size.height, width, 1);
 205     p_xf.create(feature_size.height, width, p_num_of_feats);
 206
 207 #ifndef BIG_BATCH
 208     for (auto scale: p_scales)
 209         d.threadctxs.emplace_back(feature_size, p_num_of_feats, scale);
 210 #else
 211     d.threadctxs.emplace_back(feature_size, p_num_of_feats, p_num_scales);
 212 #endif
 213
 214     gaussian_correlation.reset(new GaussianCorrelation(1, feature_size));
 215
 216     p_current_center = p_init_pose.center();
 217     p_current_scale = 1.;
 218
 219     double min_size_ratio = std::max(5. * p_cell_size / p_windows_size.width, 5. * p_cell_size / p_windows_size.height);
 220     double max_size_ratio =
 221         std::min(floor((img.cols + p_windows_size.width / 3) / p_cell_size) * p_cell_size / p_windows_size.width,
 222                  floor((img.rows + p_windows_size.height / 3) / p_cell_size) * p_cell_size / p_windows_size.height);
 223     p_min_max_scale[0] = std::pow(p_scale_step, std::ceil(std::log(min_size_ratio) / log(p_scale_step)));
 224     p_min_max_scale[1] = std::pow(p_scale_step, std::floor(std::log(max_size_ratio) / log(p_scale_step)));
 225
 226     std::cout << "init: img size " << img.size() << std::endl;
 227     std::cout << "init: win size " << p_windows_size;
 228     if (p_windows_size != fit_size)
 229         std::cout << " resized to " << fit_size;
 230     std::cout << std::endl;
 231     std::cout << "init: FFT size " << feature_size << 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 * double(fit_size.area()) / p_windows_size.area())
 235            * p_output_sigma_factor / p_cell_size;
 236
 237     fft.init(feature_size.width, feature_size.height, p_num_of_feats, p_num_scales);
 238     fft.set_window(MatDynMem(cosine_window_function(feature_size.width, feature_size.height)));
 239
 240     // window weights, i.e. labels
 241     MatScales gsl(1, feature_size);
 242     gaussian_shaped_labels(p_output_sigma, feature_size.width, feature_size.height).copyTo(gsl.plane(0));
 243     fft.forward(gsl, p_yf);
 244     DEBUG_PRINTM(p_yf);
 245
 246     // train initial model
 247     train(input_rgb, input_gray, 1.0);
 248 }
 249
 250 void KCF_Tracker::setTrackerPose(BBox_c &bbox, cv::Mat &img, int fit_size_x, int fit_size_y)
 251 {
 252     init(img, bbox.get_rect(), fit_size_x, fit_size_y);
 253 }
 254
 255 void KCF_Tracker::updateTrackerPosition(BBox_c &bbox)
 256 {
 257     BBox_c tmp = bbox;
 258     if (p_resize_image) {
 259         tmp.scale(p_downscale_factor);
 260     }
 261     p_current_center = tmp.center();
 262 }
 263
 264 BBox_c KCF_Tracker::getBBox()
 265 {
 266     BBox_c tmp;
 267     tmp.cx = p_current_center.x;
 268     tmp.cy = p_current_center.y;
 269     tmp.w = p_init_pose.w * p_current_scale;
 270     tmp.h = p_init_pose.h * p_current_scale;
 271
 272     if (p_resize_image)
 273         tmp.scale(1 / p_downscale_factor);
 274
 275     return tmp;
 276 }
 277
 278 double KCF_Tracker::getFilterResponse() const
 279 {
 280     return this->max_response;
 281 }
 282
 283 void KCF_Tracker::resizeImgs(cv::Mat &input_rgb, cv::Mat &input_gray)
 284 {
 285     if (p_resize_image) {
 286         cv::resize(input_gray, input_gray, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 287         cv::resize(input_rgb, input_rgb, cv::Size(0, 0), p_downscale_factor, p_downscale_factor, cv::INTER_AREA);
 288     }
 289 }
 290
 291 double KCF_Tracker::findMaxReponse(uint &max_idx, cv::Point2d &new_location) const
 292 {
 293     double max = -1.;
 294 #ifndef BIG_BATCH
 295     for (uint j = 0; j < d.threadctxs.size(); ++j) {
 296         if (d.threadctxs[j].max.response > max) {
 297             max = d.threadctxs[j].max.response;
 298             max_idx = j;
 299         }
 300     }
 301 #else
 302     for (uint j = 0; j < p_scales.size(); ++j) {
 303         if (d.threadctxs[0].max[j].response > max) {
 304             max = d.threadctxs[0].max[j].response;
 305             max_idx = j;
 306         }
 307     }
 308 #endif
 309     cv::Point2i &max_response_pt = IF_BIG_BATCH(d.threadctxs[0].max[max_idx].loc,        d.threadctxs[max_idx].max.loc);
 310     cv::Mat max_response_map     = IF_BIG_BATCH(d.threadctxs[0].response.plane(max_idx), d.threadctxs[max_idx].response.plane(0));
 311
 312     DEBUG_PRINTM(max_response_map);
 313     DEBUG_PRINT(max_response_pt);
 314
 315     // sub pixel quadratic interpolation from neighbours
 316     if (max_response_pt.y > max_response_map.rows / 2) // wrap around to negative half-space of vertical axis
 317         max_response_pt.y = max_response_pt.y - max_response_map.rows;
 318     if (max_response_pt.x > max_response_map.cols / 2) // same for horizontal axis
 319         max_response_pt.x = max_response_pt.x - max_response_map.cols;
 320
 321
 322     if (m_use_subpixel_localization) {
 323         new_location = sub_pixel_peak(max_response_pt, max_response_map);
 324     } else {
 325         new_location = max_response_pt;
 326     }
 327     DEBUG_PRINT(new_location);
 328     return max;
 329 }
 330
 331 void KCF_Tracker::track(cv::Mat &img)
 332 {
 333     __dbgTracer.debug = m_debug;
 334     TRACE("");
 335
 336     cv::Mat input_gray, input_rgb = img.clone();
 337     if (img.channels() == 3) {
 338         cv::cvtColor(img, input_gray, CV_BGR2GRAY);
 339         input_gray.convertTo(input_gray, CV_32FC1);
 340     } else
 341         img.convertTo(input_gray, CV_32FC1);
 342
 343     // don't need too large image
 344     resizeImgs(input_rgb, input_gray);
 345
 346 #ifdef ASYNC
 347     for (auto &it : d.threadctxs)
 348         it.async_res = std::async(std::launch::async, [this, &input_gray, &input_rgb, &it]() -> void {
 349             it.track(*this, input_rgb, input_gray);
 350         });
 351     for (auto const &it : d.threadctxs)
 352         it.async_res.wait();
 353
 354 #else  // !ASYNC
 355     NORMAL_OMP_PARALLEL_FOR
 356     for (uint i = 0; i < d.threadctxs.size(); ++i)
 357         d.threadctxs[i].track(*this, input_rgb, input_gray);
 358 #endif
 359
 360     cv::Point2d new_location;
 361     uint max_idx;
 362     max_response = findMaxReponse(max_idx, new_location);
 363
 364     new_location.x *= double(p_windows_size.width) / fit_size.width;
 365     new_location.y *= double(p_windows_size.height) / fit_size.height;
 366
 367     p_current_center += p_current_scale * p_cell_size * new_location;
 368
 369     clamp2(p_current_center.x, 0.0, img.cols - 1.0);
 370     clamp2(p_current_center.y, 0.0, img.rows - 1.0);
 371
 372     // sub grid scale interpolation
 373     if (m_use_subgrid_scale) {
 374         p_current_scale *= sub_grid_scale(max_idx);
 375     } else {
 376         p_current_scale *= p_scales[max_idx];
 377     }
 378
 379     clamp2(p_current_scale, p_min_max_scale[0], p_min_max_scale[1]);
 380
 381     // train at newly estimated target position
 382     train(input_rgb, input_gray, p_interp_factor);
 383 }
 384
 385 void ThreadCtx::track(const KCF_Tracker &kcf, cv::Mat &input_rgb, cv::Mat &input_gray)
 386 {
 387     TRACE("");
 388
 389     BIG_BATCH_OMP_PARALLEL_FOR
 390     for (uint i = 0; i < IF_BIG_BATCH(kcf.p_num_scales, 1); ++i)
 391     {
 392         kcf.get_features(input_rgb, input_gray, kcf.p_current_center.x, kcf.p_current_center.y,
 393                          kcf.p_windows_size.width, kcf.p_windows_size.height,
 394                          kcf.p_current_scale * IF_BIG_BATCH(kcf.p_scales[i], scale))
 395                 .copyTo(patch_feats.scale(i));
 396         DEBUG_PRINT(patch_feats.scale(i));
 397     }
 398
 399     kcf.fft.forward_window(patch_feats, zf, temp);
 400     DEBUG_PRINTM(zf);
 401
 402     if (kcf.m_use_linearkernel) {
 403         kzf = zf.mul(kcf.p_model_alphaf).sum_over_channels();
 404     } else {
 405         gaussian_correlation(kzf, zf, kcf.p_model_xf, kcf.p_kernel_sigma, false, kcf);
 406         DEBUG_PRINTM(kzf);
 407         kzf = kzf.mul(kcf.p_model_alphaf);
 408     }
 409     kcf.fft.inverse(kzf, response);
 410
 411     DEBUG_PRINTM(response);
 412
 413     /* target location is at the maximum response. we must take into
 414     account the fact that, if the target doesn't move, the peak
 415     will appear at the top-left corner, not at the center (this is
 416     discussed in the paper). the responses wrap around cyclically. */
 417     double min_val, max_val;
 418     cv::Point2i min_loc, max_loc;
 419 #ifdef BIG_BATCH
 420     for (size_t i = 0; i < kcf.p_scales.size(); ++i) {
 421         cv::minMaxLoc(response.plane(i), &min_val, &max_val, &min_loc, &max_loc);
 422         DEBUG_PRINT(max_loc);
 423         double weight = kcf.p_scales[i] < 1. ? kcf.p_scales[i] : 1. / kcf.p_scales[i];
 424         max[i].response = max_val * weight;
 425         max[i].loc = max_loc;
 426     }
 427 #else
 428     cv::minMaxLoc(response.plane(0), &min_val, &max_val, &min_loc, &max_loc);
 429
 430     DEBUG_PRINT(max_loc);
 431     DEBUG_PRINT(max_val);
 432
 433     double weight = scale < 1. ? scale : 1. / scale;
 434     max.response = max_val * weight;
 435     max.loc = max_loc;
 436 #endif
 437 }
 438
 439 // ****************************************************************************
 440
 441 cv::Mat KCF_Tracker::get_features(cv::Mat &input_rgb, cv::Mat &input_gray, int cx, int cy,
 442                                   int size_x, int size_y, double scale) const
 443 {
 444     cv::Size scaled = cv::Size(floor(size_x * scale), floor(size_y * scale));
 445
 446     cv::Mat patch_gray = get_subwindow(input_gray, cx, cy, scaled.width, scaled.height);
 447     cv::Mat patch_rgb = get_subwindow(input_rgb, cx, cy, scaled.width, scaled.height);
 448
 449     // resize to default size
 450     if (scaled.area() > fit_size.area()) {
 451         // if we downsample use  INTER_AREA interpolation
 452         // note: this is just a guess - we may downsample in X and upsample in Y (or vice versa)
 453         cv::resize(patch_gray, patch_gray, fit_size, 0., 0., cv::INTER_AREA);
 454     } else {
 455         cv::resize(patch_gray, patch_gray, fit_size, 0., 0., cv::INTER_LINEAR);
 456     }
 457
 458     // get hog(Histogram of Oriented Gradients) features
 459     std::vector<cv::Mat> hog_feat = FHoG::extract(patch_gray, 2, p_cell_size, 9);
 460
 461     // get color rgb features (simple r,g,b channels)
 462     std::vector<cv::Mat> color_feat;
 463     if ((m_use_color || m_use_cnfeat) && input_rgb.channels() == 3) {
 464         // resize to default size
 465         if (scaled.area() > (fit_size / p_cell_size).area()) {
 466             // if we downsample use  INTER_AREA interpolation
 467             cv::resize(patch_rgb, patch_rgb, fit_size / p_cell_size, 0., 0., cv::INTER_AREA);
 468         } else {
 469             cv::resize(patch_rgb, patch_rgb, fit_size / p_cell_size, 0., 0., cv::INTER_LINEAR);
 470         }
 471     }
 472
 473     if (m_use_color && input_rgb.channels() == 3) {
 474         // use rgb color space
 475         cv::Mat patch_rgb_norm;
 476         patch_rgb.convertTo(patch_rgb_norm, CV_32F, 1. / 255., -0.5);
 477         cv::Mat ch1(patch_rgb_norm.size(), CV_32FC1);
 478         cv::Mat ch2(patch_rgb_norm.size(), CV_32FC1);
 479         cv::Mat ch3(patch_rgb_norm.size(), CV_32FC1);
 480         std::vector<cv::Mat> rgb = {ch1, ch2, ch3};
 481         cv::split(patch_rgb_norm, rgb);
 482         color_feat.insert(color_feat.end(), rgb.begin(), rgb.end());
 483     }
 484
 485     if (m_use_cnfeat && input_rgb.channels() == 3) {
 486         std::vector<cv::Mat> cn_feat = CNFeat::extract(patch_rgb);
 487         color_feat.insert(color_feat.end(), cn_feat.begin(), cn_feat.end());
 488     }
 489
 490     hog_feat.insert(hog_feat.end(), color_feat.begin(), color_feat.end());
 491
 492     int size[] = {p_num_of_feats, feature_size.height, feature_size.width};
 493     cv::Mat result(3, size, CV_32F);
 494     for (uint i = 0; i < hog_feat.size(); ++i)
 495         hog_feat[i].copyTo(cv::Mat(size[1], size[2], CV_32FC1, result.ptr(i)));
 496
 497     return result;
 498 }
 499
 500 cv::Mat KCF_Tracker::gaussian_shaped_labels(double sigma, int dim1, int dim2)
 501 {
 502     cv::Mat labels(dim2, dim1, CV_32FC1);
 503     int range_y[2] = {-dim2 / 2, dim2 - dim2 / 2};
 504     int range_x[2] = {-dim1 / 2, dim1 - dim1 / 2};
 505
 506     double sigma_s = sigma * sigma;
 507
 508     for (int y = range_y[0], j = 0; y < range_y[1]; ++y, ++j) {
 509         float *row_ptr = labels.ptr<float>(j);
 510         double y_s = y * y;
 511         for (int x = range_x[0], i = 0; x < range_x[1]; ++x, ++i) {
 512             row_ptr[i] = std::exp(-0.5 * (y_s + x * x) / sigma_s); //-1/2*e^((y^2+x^2)/sigma^2)
 513         }
 514     }
 515
 516     // rotate so that 1 is at top-left corner (see KCF paper for explanation)
 517     MatDynMem rot_labels = circshift(labels, range_x[0], range_y[0]);
 518     // sanity check, 1 at top left corner
 519     assert(rot_labels.at<float>(0, 0) >= 1.f - 1e-10f);
 520
 521     return rot_labels;
 522 }
 523
 524 cv::Mat KCF_Tracker::circshift(const cv::Mat &patch, int x_rot, int y_rot)
 525 {
 526     cv::Mat rot_patch(patch.size(), CV_32FC1);
 527     cv::Mat tmp_x_rot(patch.size(), CV_32FC1);
 528
 529     // circular rotate x-axis
 530     if (x_rot < 0) {
 531         // move part that does not rotate over the edge
 532         cv::Range orig_range(-x_rot, patch.cols);
 533         cv::Range rot_range(0, patch.cols - (-x_rot));
 534         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 535
 536         // rotated part
 537         orig_range = cv::Range(0, -x_rot);
 538         rot_range = cv::Range(patch.cols - (-x_rot), patch.cols);
 539         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 540     } else if (x_rot > 0) {
 541         // move part that does not rotate over the edge
 542         cv::Range orig_range(0, patch.cols - x_rot);
 543         cv::Range rot_range(x_rot, patch.cols);
 544         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 545
 546         // rotated part
 547         orig_range = cv::Range(patch.cols - x_rot, patch.cols);
 548         rot_range = cv::Range(0, x_rot);
 549         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 550     } else { // zero rotation
 551         // move part that does not rotate over the edge
 552         cv::Range orig_range(0, patch.cols);
 553         cv::Range rot_range(0, patch.cols);
 554         patch(cv::Range::all(), orig_range).copyTo(tmp_x_rot(cv::Range::all(), rot_range));
 555     }
 556
 557     // circular rotate y-axis
 558     if (y_rot < 0) {
 559         // move part that does not rotate over the edge
 560         cv::Range orig_range(-y_rot, patch.rows);
 561         cv::Range rot_range(0, patch.rows - (-y_rot));
 562         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 563
 564         // rotated part
 565         orig_range = cv::Range(0, -y_rot);
 566         rot_range = cv::Range(patch.rows - (-y_rot), patch.rows);
 567         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 568     } else if (y_rot > 0) {
 569         // move part that does not rotate over the edge
 570         cv::Range orig_range(0, patch.rows - y_rot);
 571         cv::Range rot_range(y_rot, patch.rows);
 572         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 573
 574         // rotated part
 575         orig_range = cv::Range(patch.rows - y_rot, patch.rows);
 576         rot_range = cv::Range(0, y_rot);
 577         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 578     } else { // zero rotation
 579         // move part that does not rotate over the edge
 580         cv::Range orig_range(0, patch.rows);
 581         cv::Range rot_range(0, patch.rows);
 582         tmp_x_rot(orig_range, cv::Range::all()).copyTo(rot_patch(rot_range, cv::Range::all()));
 583     }
 584
 585     return rot_patch;
 586 }
 587
 588 // hann window actually (Power-of-cosine windows)
 589 cv::Mat KCF_Tracker::cosine_window_function(int dim1, int dim2)
 590 {
 591     cv::Mat m1(1, dim1, CV_32FC1), m2(dim2, 1, CV_32FC1);
 592     double N_inv = 1. / (static_cast<double>(dim1) - 1.);
 593     for (int i = 0; i < dim1; ++i)
 594         m1.at<float>(i) = float(0.5 * (1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv)));
 595     N_inv = 1. / (static_cast<double>(dim2) - 1.);
 596     for (int i = 0; i < dim2; ++i)
 597         m2.at<float>(i) = float(0.5 * (1. - std::cos(2. * CV_PI * static_cast<double>(i) * N_inv)));
 598     cv::Mat ret = m2 * m1;
 599     return ret;
 600 }
 601
 602 // Returns sub-window of image input centered at [cx, cy] coordinates),
 603 // with size [width, height]. If any pixels are outside of the image,
 604 // they will replicate the values at the borders.
 605 cv::Mat KCF_Tracker::get_subwindow(const cv::Mat &input, int cx, int cy, int width, int height) const
 606 {
 607     cv::Mat patch;
 608
 609     int x1 = cx - width / 2;
 610     int y1 = cy - height / 2;
 611     int x2 = cx + width / 2;
 612     int y2 = cy + height / 2;
 613
 614     // out of image
 615     if (x1 >= input.cols || y1 >= input.rows || x2 < 0 || y2 < 0) {
 616         patch.create(height, width, input.type());
 617         patch.setTo(double(0.f));
 618         return patch;
 619     }
 620
 621     int top = 0, bottom = 0, left = 0, right = 0;
 622
 623     // fit to image coordinates, set border extensions;
 624     if (x1 < 0) {
 625         left = -x1;
 626         x1 = 0;
 627     }
 628     if (y1 < 0) {
 629         top = -y1;
 630         y1 = 0;
 631     }
 632     if (x2 >= input.cols) {
 633         right = x2 - input.cols + width % 2;
 634         x2 = input.cols;
 635     } else
 636         x2 += width % 2;
 637
 638     if (y2 >= input.rows) {
 639         bottom = y2 - input.rows + height % 2;
 640         y2 = input.rows;
 641     } else
 642         y2 += height % 2;
 643
 644     if (x2 - x1 == 0 || y2 - y1 == 0)
 645         patch = cv::Mat::zeros(height, width, CV_32FC1);
 646     else {
 647         cv::copyMakeBorder(input(cv::Range(y1, y2), cv::Range(x1, x2)), patch, top, bottom, left, right,
 648                            cv::BORDER_REPLICATE);
 649         //      imshow( "copyMakeBorder", patch);
 650         //      cv::waitKey();
 651     }
 652
 653     // sanity check
 654     assert(patch.cols == width && patch.rows == height);
 655
 656     return patch;
 657 }
 658
 659 void KCF_Tracker::GaussianCorrelation::operator()(ComplexMat &result, const ComplexMat &xf, const ComplexMat &yf,
 660                                                   double sigma, bool auto_correlation, const KCF_Tracker &kcf)
 661 {
 662     TRACE("");
 663     xf.sqr_norm(xf_sqr_norm);
 664     if (auto_correlation) {
 665         yf_sqr_norm = xf_sqr_norm;
 666     } else {
 667         yf.sqr_norm(yf_sqr_norm);
 668     }
 669     xyf = auto_correlation ? xf.sqr_mag() : xf * yf.conj(); // xf.muln(yf.conj());
 670     DEBUG_PRINTM(xyf);
 671
 672     // ifft2 and sum over 3rd dimension, we dont care about individual channels
 673     ComplexMat xyf_sum = xyf.sum_over_channels();
 674     DEBUG_PRINTM(xyf_sum);
 675     kcf.fft.inverse(xyf_sum, ifft_res);
 676     DEBUG_PRINTM(ifft_res);
 677 #ifdef CUFFT
 678     // FIXME
 679     cuda_gaussian_correlation(ifft_res.deviceMem(), k.deviceMem(), xf_sqr_norm.deviceMem(),
 680                               auto_correlation ? xf_sqr_norm.deviceMem() : yf_sqr_norm.deviceMem(), sigma,
 681                               xf.n_channels, xf.n_scales, kcf.feature_size.height, kcf.feature_size.width);
 682 #else
 683
 684     float numel_xf_inv = 1.f / (xf.cols * xf.rows * (xf.channels() / xf.n_scales));
 685     for (uint i = 0; i < xf.n_scales; ++i) {
 686         cv::Mat plane = ifft_res.plane(i);
 687         DEBUG_PRINT(ifft_res.plane(i));
 688         cv::exp(-1. / (sigma * sigma) * cv::max((xf_sqr_norm[i] + yf_sqr_norm[0] - 2 * ifft_res.plane(i))
 689                 * numel_xf_inv, 0), plane);
 690         DEBUG_PRINTM(plane);
 691     }
 692 #endif
 693     kcf.fft.forward(ifft_res, result);
 694 }
 695
 696 float get_response_circular(cv::Point2i &pt, cv::Mat &response)
 697 {
 698     int x = pt.x;
 699     int y = pt.y;
 700     assert(response.dims == 2); // ensure .cols and .rows are valid
 701     if (x < 0) x = response.cols + x;
 702     if (y < 0) y = response.rows + y;
 703     if (x >= response.cols) x = x - response.cols;
 704     if (y >= response.rows) y = y - response.rows;
 705
 706     return response.at<float>(y, x);
 707 }
 708
 709 cv::Point2f KCF_Tracker::sub_pixel_peak(cv::Point &max_loc, cv::Mat &response) const
 710 {
 711     // find neighbourhood of max_loc (response is circular)
 712     // 1 2 3
 713     // 4   5
 714     // 6 7 8
 715     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);
 716     cv::Point2i p4(max_loc.x - 1, max_loc.y), p5(max_loc.x + 1, max_loc.y);
 717     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);
 718
 719     // clang-format off
 720     // fit 2d quadratic function f(x, y) = a*x^2 + b*x*y + c*y^2 + d*x + e*y + f
 721     cv::Mat A = (cv::Mat_<float>(9, 6) <<
 722                  p1.x*p1.x, p1.x*p1.y, p1.y*p1.y, p1.x, p1.y, 1.f,
 723                  p2.x*p2.x, p2.x*p2.y, p2.y*p2.y, p2.x, p2.y, 1.f,
 724                  p3.x*p3.x, p3.x*p3.y, p3.y*p3.y, p3.x, p3.y, 1.f,
 725                  p4.x*p4.x, p4.x*p4.y, p4.y*p4.y, p4.x, p4.y, 1.f,
 726                  p5.x*p5.x, p5.x*p5.y, p5.y*p5.y, p5.x, p5.y, 1.f,
 727                  p6.x*p6.x, p6.x*p6.y, p6.y*p6.y, p6.x, p6.y, 1.f,
 728                  p7.x*p7.x, p7.x*p7.y, p7.y*p7.y, p7.x, p7.y, 1.f,
 729                  p8.x*p8.x, p8.x*p8.y, p8.y*p8.y, p8.x, p8.y, 1.f,
 730                  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);
 731     cv::Mat fval = (cv::Mat_<float>(9, 1) <<
 732                     get_response_circular(p1, response),
 733                     get_response_circular(p2, response),
 734                     get_response_circular(p3, response),
 735                     get_response_circular(p4, response),
 736                     get_response_circular(p5, response),
 737                     get_response_circular(p6, response),
 738                     get_response_circular(p7, response),
 739                     get_response_circular(p8, response),
 740                     get_response_circular(max_loc, response));
 741     // clang-format on
 742     cv::Mat x;
 743     cv::solve(A, fval, x, cv::DECOMP_SVD);
 744
 745     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);
 746
 747     cv::Point2f sub_peak(max_loc.x, max_loc.y);
 748     if (b > 0 || b < 0) {
 749         sub_peak.y = ((2.f * a * e) / b - d) / (b - (4 * a * c) / b);
 750         sub_peak.x = (-2 * c * sub_peak.y - e) / b;
 751     }
 752
 753     return sub_peak;
 754 }
 755
 756 double KCF_Tracker::sub_grid_scale(uint index)
 757 {
 758     cv::Mat A, fval;
 759     if (index >= p_scales.size()) {
 760         // interpolate from all values
 761         // fit 1d quadratic function f(x) = a*x^2 + b*x + c
 762         A.create(p_scales.size(), 3, CV_32FC1);
 763         fval.create(p_scales.size(), 1, CV_32FC1);
 764         for (size_t i = 0; i < p_scales.size(); ++i) {
 765             A.at<float>(i, 0) = float(p_scales[i] * p_scales[i]);
 766             A.at<float>(i, 1) = float(p_scales[i]);
 767             A.at<float>(i, 2) = 1;
 768             fval.at<float>(i) = d.threadctxs.back().IF_BIG_BATCH(max[i].response, max.response);
 769         }
 770     } else {
 771         // only from neighbours
 772         if (index == 0 || index == p_scales.size() - 1)
 773            return p_scales[index];
 774
 775         A = (cv::Mat_<float>(3, 3) <<
 776              p_scales[index - 1] * p_scales[index - 1], p_scales[index - 1], 1,
 777              p_scales[index + 0] * p_scales[index + 0], p_scales[index + 0], 1,
 778              p_scales[index + 1] * p_scales[index + 1], p_scales[index + 1], 1);
 779 #ifdef BIG_BATCH
 780         fval = (cv::Mat_<float>(3, 1) <<
 781                 d.threadctxs.back().max[index - 1].response,
 782                 d.threadctxs.back().max[index + 0].response,
 783                 d.threadctxs.back().max[index + 1].response);
 784 #else
 785         fval = (cv::Mat_<float>(3, 1) <<
 786                 d.threadctxs[index - 1].max.response,
 787                 d.threadctxs[index + 0].max.response,
 788                 d.threadctxs[index + 1].max.response);
 789 #endif
 790     }
 791
 792     cv::Mat x;
 793     cv::solve(A, fval, x, cv::DECOMP_SVD);
 794     float a = x.at<float>(0), b = x.at<float>(1);
 795     double scale = p_scales[index];
 796     if (a > 0 || a < 0)
 797         scale = -b / (2 * a);
 798     return scale;
 799 }