src/MultiTracker.cpp

   1 #include "MultiTracker.h"
   2 #include "Metrics.h"
   3 #include <algorithm>
   4 #include "hungarian.h"
   5 #include "Logger.h"
   6
   7 using namespace suanzi;
   8 using namespace cv;
   9 using namespace std;
  10
  11 static const std::string TAG = "MultiTracker";
  12 static const cv::Size PREFERRED_SIZE = Size(64, 128);
  13
  14 #define MaxCost  100000
  15
  16 MultiTracker::MultiTracker(EngineWPtr e)
  17 : engine(e)
  18 {
  19     LOG_DEBUG(TAG, "init - loading model.pkl");
  20     predictor = PredictorWrapper::create("./python/model.pkl");
  21     predictor->dump();
  22     this->descriptor = {Size(64, 128), Size(16, 16), Size(8, 8), Size(8, 8), 9};
  23
  24     std::vector<double> ff (40, 1);
  25     double prob = predictor->predict(4, ff);
  26 }
  27
  28 MultiTracker::~MultiTracker()
  29 {
  30     predictor.reset();
  31     trackers.clear();
  32 }
  33
  34 static double calc_iou_ratio(const Detection& d1, const Detection& d2)
  35 {
  36     // TODO
  37     return 0.1;
  38 }
  39
  40 static std::vector<double> similarity(const PatchPtr p1, const PatchPtr p2)
  41 {
  42     std::vector<double> feature;
  43     cv::Mat im1(PREFERRED_SIZE, p1->image_crop.type());
  44     cv::Mat im2(PREFERRED_SIZE, p2->image_crop.type());
  45     cv::resize(p1->image_crop, im1, im1.size());
  46     cv::resize(p2->image_crop, im2, im2.size());
  47     cv::Mat result;
  48     cv::matchTemplate(im1, im2, result, CV_TM_CCOEFF_NORMED);
  49     feature.push_back(result.at<double>(0, 0));
  50     cv::matchTemplate(im1, im2, result, CV_TM_CCORR_NORMED);
  51     feature.push_back(result.at<double>(0, 0));
  52
  53
  54     vector<double>& f1_hog = p1->features.first; Mat f1_hue = p1->features.second;
  55     vector<double>& f2_hog = p1->features.first; Mat f2_hue = p1->features.second;
  56     feature.push_back(distance_cosine(Eigen::Map<Eigen::VectorXd>(f1_hog.data(), f1_hog.size()),
  57                                     Eigen::Map<Eigen::VectorXd>(f2_hog.data(), f2_hog.size())));
  58     feature.push_back(distance_euclidean(Eigen::Map<Eigen::VectorXd>(f1_hog.data(), f1_hog.size()),
  59                                     Eigen::Map<Eigen::VectorXd>(f2_hog.data(), f2_hog.size())));
  60     feature.push_back(compareHist(f1_hue, f2_hue, HISTCMP_CORREL));
  61     feature.push_back(compareHist(f1_hue, f2_hue, HISTCMP_HELLINGER));
  62
  63     Detection& d1 = p1->detection;
  64     Detection& d2 = p2->detection;
  65
  66     double center_distance = sqrt(pow((d1.center_x - d2.center_x), 2) + pow((d1.center_y - d2.center_y), 2));
  67     feature.push_back(center_distance / (d1.width + d1.height + d2.width + d2.height) * 4);
  68
  69     double iou_ratio = calc_iou_ratio(d1, d2);
  70     feature.push_back(iou_ratio);
  71
  72     return feature;
  73 }
  74
  75
  76 double MultiTracker::distance(TrackerPtr tracker, const cv::Mat& image, const Detection& d)
  77 {
  78     PatchPtr patch = createPatch(image, d);
  79     std::vector<double> features;
  80
  81     std::vector<double> ss;
  82     for (auto i : tracker->patches){
  83         ss = similarity(i, patch);
  84         features.insert(features.end(),  ss.begin(), ss.end());
  85     }
  86     double prob = predictor->predict(4, features);
  87     return prob;
  88 }
  89
  90 static long cc = 0;
  91
  92 void MultiTracker::update(unsigned int total, const Detection* detections, const Mat& image)
  93 {
  94     //////
  95     if ((cc % 50) == 0){
  96         if (EnginePtr e = engine.lock()){
  97             e->onStatusChanged();
  98         }
  99     }
 100     cc++;
 101
 102     //////
 103     int row = trackers.size();
 104     int col = total;
 105     Eigen::MatrixXi cost_matrix = Eigen::MatrixXi::Zero(row, col);
 106     for (int i = 0; i < row; i++){
 107         for (int j = 0; j < col; j++){
 108             //if (calc_iou_ratio(trackers[i], detections[j]) < -0.1)
 109             //    cost_matrix(i, j) = MaxCost;
 110             //else
 111                 cost_matrix(i, j) = distance(trackers[i], image, detections[j]);
 112         }
 113     }
 114
 115     Eigen::VectorXi tracker_inds, bb_inds;
 116     linear_sum_assignment(cost_matrix, tracker_inds, bb_inds);
 117
 118     // handle unmatched trackers
 119     //vector<TrackerPtr> unmatched_trackers;
 120     for (int i = 0; i < row; i++){
 121         if (!(tracker_inds.array() == i).any()){
 122             trackers[i]->updateState(image);
 123         }
 124     }
 125
 126     // handle unmatched detections
 127     vector<int> unmatched_detection;
 128     for(int j = 0; j < col; j++){
 129         if (!(bb_inds.array() == j).any()){
 130             unmatched_detection.push_back(j);
 131         }
 132     }
 133     // create new trackers for new detections
 134     for (auto i : unmatched_detection){
 135         TrackerPtr t (new Tracker(image));
 136         this->trackers.push_back(t);
 137     }
 138
 139     Detection dd;
 140
 141     PatchPtr pp = createPatch(image, dd);
 142 }
 143
 144 // Get image crop from input image within given bounding box - Detecinon
 145 static cv::Mat image_crop(const cv::Mat& image, const Detection& bb)
 146 {
 147     // RECT
 148     // TODO;
 149     return image.clone();
 150 }
 151
 152 PatchPtr MultiTracker::createPatch(const Mat& image, const Detection& detect)
 153 {
 154     PatchPtr patch(new Patch());
 155
 156     // calculate hog descriptors, size is 3780
 157     Mat im, im2;
 158     im = image_crop(image, detect);
 159     resize(im, im2, PREFERRED_SIZE);
 160     vector<float> feature_hog;
 161     this->descriptor.compute(im2, feature_hog);
 162
 163     // calculate histogram, size is (64 x 45)
 164     Mat hsv, hist;
 165     cvtColor(im, hsv, COLOR_BGR2HSV);
 166     int channels[] = {0, 1};
 167     int histSize[] = {45, 64};
 168     float hranges[] = {0, 180};
 169     float sranges[] = {0, 256};
 170     const float* ranges[] = {hranges, sranges};
 171     calcHist(&hsv, 1, channels, Mat(), hist, 2, histSize, ranges, true, false);
 172
 173     patch->image_crop = im.clone();
 174     patch->detection = detect;
 175     std::vector<double> feature_hog_double (feature_hog.begin(), feature_hog.end()); // convert to double
 176     patch->features = std::make_pair(feature_hog_double, hist);
 177     return patch;
 178 }