이동한 표본의 중복
같은 영상 조각을 조금씩 옮겨 만든 표본은 겹치는 화소를 많이 공유한다. 이를 모두 독립된 학습 자료처럼 저장하고 계산하면 중복이 생긴다. KCF는 이런 이동 표본의 구조를 분석해 판별 학습에 활용한다.
순환 구조의 예
설명용으로 벡터 (2, 3, 5)를 순환 이동하면 (5, 2, 3), (3, 5, 2)를 얻는다. 이들을 행으로 둔 행렬은 같은 값의 이동 구조를 가진다. 실제 영상 경계 밖의 내용이 반대편에서 나타난다는 관측 사실과는 다르다.
주파수 영역에서 계산하기
순환 행렬은 이산 푸리에 변환으로 대각화할 수 있어 회귀 계산을 단순화하는 데 쓰인다. KCF는 이 구조를 커널 회귀로 확장한다. 임의의 대규모 커널 문제 전체가 같은 비용으로 해결된다는 뜻이 아니라 해당 표본 구조를 이용한 결과다.
속도와 실제 조건
효율적인 필터 계산이 있어도 특징 추출과 갱신 및 탐색의 비용은 남는다. 순환 경계의 영향, 가림과 외형이 비슷한 방해 물체를 확인해야 한다. 입력 크기와 특징 종류를 맞춰 실행 속도 및 추적 정확도를 비교하고 긴 가림 뒤 회복 조건도 별도로 평가한다.