CSK与KCF算法推导（五）

  本文是CSK与KCF算法推导的第五篇，主要介绍具体实现的细节。
CSK与KCF算法推导（一）——DFT、相关运算和循环卷积CSK与KCF算法推导（二）——带核函数的岭回归问题求解CSK与KCF算法推导（三）——算法主体部分推导CSK与KCF算法推导（四）——从一维推广到二维（本文）CSK与KCF算法推导（五）——具体实现细节
算法流程

  算法的大致流程如上图所示。左边是第一次训练，右边是每次的更新。我认为整个算法最关键的地方在于提取特征图和核函数的计算。作者的代码里有提取hog特征，也有直接用原始的灰度图像数据作为特征图，目前我只看了用灰度图作为特征图的部分。需要注意的是，这里的灰度图是归一化到[-0.5,0.5]的区间内的！！！
fftshift()
  MATLAB里有一个fftshift()的函数。原本DFT的结果中，低频部分是在序列两端，高频在中间；这个函数可以把低频移到中间，高频移到

CSK与KCF算法推导（五）最先出现在Python成神之路。