KCF视觉算法

本次实验中目标跟踪算法我们使用的是KCF视觉算法，KCF是一个非常轻量级的算法，资源占用较低，且跟踪速率可以达到30FPS。作为单目标跟踪的经典之作，在准确率和实时性上也有非常不错的表现，特别对算力要求不高。同时，KCF是一种鉴别式追踪方法，这类方法一般都是在追踪过程中训练一个目标检测器，使用目标检测器去检测下一帧预测位置是否是目标，然后再使用新检测结果去更新训练集，进而更新目标检测器。

在训练目标检测器时一般会选取目标区域为正样本，目标的周围区域为负样本，越靠近目标的区域为正样本的可能性也就越大。

主要亮点：

1. 可以通过循环矩阵生成正负样本来训练脊回归分类器；
2. 利用循环矩阵可DFT对角化的性质，将循环矩阵的求逆运算转化为向量的点乘；
3. 针对线性不可分的情况，引入核技巧映射到高维，线性可分。

整体来看，本次实验过程还是达到了我们的预期，P450无人机成功识别到目标并进行了精准打击。

从实验过程中，我们可以看到P450无人机搭载G1吊舱、Minihomer图数传模块以及Allspark机载电脑这一整套设备，基本上可以作为绝大部分无人机科研内容的一个基础平台，能够实现丰富的功能。从实验结果来看，P450无人机还是非常“ 皮实 ”的，经过撞击后，无人机主体均没有损坏，唯一损坏的也只有桨叶。也正是P450的这种“ 皮实 ”，大大降低了实验过程中炸机造成的损失。

对于本期内容若大家有疑问，可在文末评论区给我们留言~也鼓励大家积极讨论，与阿木一起探讨更多的实验挑战！