大多数现代跟踪器的核心部件是识别分类器，其任务是区分目标和周围环境。为了应对自然图像的变化，这个分类器通常使用翻译和缩放的样本补丁进行训练。这样的样本集充满了冗余——任何重叠的像素都被限制为相同的。基于这个简单的观察，我们提出了一个分析模型的数据集的数千个翻译补丁。通过证明所得到的数据矩阵是循环的，我们可以用离散傅立叶变换对其进行对角化，从而将存储和计算都减少了几个数量级。有趣的是，对于线性回归，我们的公式相当于一些最快的竞争跟踪者使用的相关滤波器。然而，对于核回归，我们推导了一种新的核相关滤波器（KCF），它与其他核算法不同，具有与线性相关滤波器完全相同的复杂性。在此基础上，我们还提出了一种基于线性核的线性相关滤波器的快速多通道扩展，我们称之为双相关滤波器（DCF）。KCF和DCF在50个视频基准测试中都优于诸如strike或tld之类的顶级追踪器，尽管它们以每秒数百帧的速度运行，并且在几行代码中实现（算法1）。为了鼓励进一步的发展，我们的跟踪框架是开源的。

KCF单目标跟踪改进后的版本

视频图matlab代码 Tracking_by_detection A Python3-based system use yolov3/KCF&DSST/KF to detect,tracking and estimate the target（people and cars） location. 这是我的本科毕设项目，主要通过YOLOv3识别，利用KCF-DSST-APCE完成抗遮挡的尺度变化跟踪，并用卡尔曼滤波估计位置。 视频效果/video ： Test environment Intel Core i5-8300H Nvidia GTX 1050Ti Ubuntu 18.04LTS Python3 OPENCV3.4.4 Requirements CUDA9.0 CUDNN7 Python3 OPENCV Numpy Numba Code structure yolo.py:detect fhog.py:give fhog feature tracker.py:track run.py:basic framework run2.py:add more visualization

相比于传统的KCF代码，增加了： 1 彩色原图的追踪界面 2 追踪结果的保存文件 3 追踪界面可以显示帧数 4 从run_tracker.m点进去可以直接运行

包含CSK和KCF算法仿真源码，并包含有一些仿真数据源，下载解压运行run_tracker.m就可以进行仿真

基于KCF作者网站上的 Matlab code version 2 修改，适用于MATLAB2018，其他版本未测试。

17种视觉目标跟踪算法（含相关滤波和深度学习2大派系）的代码（含matlab、Python和c的实现）、论文以及自己学习心得和网上权威原理解读，自己上研究生区间实验室师兄弟专业整理，大部分代码均能调通。【BACF、C-COT、CFLB、CN、CSK、CSRDCF、DSST、fDSST、KCF、LMCF、MCCF、MOSSE、MOSSE_CA、SAMF、SRDCF、STAPLE、STRCF共17种】

APCE代码应用在KCF上面，可以参考（matlab）

OTB50、OTB100、OTB2013数据集。循环矩阵，用来制造样本的数量（虚拟的样本）。更多的样本训练额分类器的效果就更好。 核技巧，将低维空间的计算映射到高维的核空间，在低维空间不可分的情况到高维空间之后变的线性可分了。

KCF跟踪算法 matlab实现，内附代码和视频图片素材，，