-1.目標視覺跟蹤(visual object tracking),根據目標的跟蹤方式，跟蹤一般可以分為兩大類：生產(generative)模型方法和判別(discriminative)模型方法。生成類方法在當前幀對目標區域建模，下一幀尋找與模型最相似的區域就是**位置，如卡爾曼濾波，粒子濾波，mean-shift等。目前比較流行的是判別類方法，也叫跟蹤檢測(tracking-by-detection)，當前幀以目標區域為正樣本，背景區域為負樣本用來訓練分類器，下一幀用訓練好的分類器找最優區域，經典的判別類方法有struck和tld等。最近幾年相關濾波方法如cf，kcf/dcf，cn，dsst也比較火。通常目標跟蹤主要面臨的難點有：外觀變化，光照變化，快速運動，運動模糊，背景干擾等。
-2.online object tracking: a benchmark
**工作主要有三部分：資料集，**庫，魯棒性評估。**主要從表示方式，搜尋機制和模型更新三個方面對近年來的跟蹤演算法進行回顧。參與評估的演算法包括：struck，tld等經典演算法。
包含重新檢測模組的tld***在長序列的跟蹤中效果更好；基於密集抽樣的***（struck，tld，cxt）對目標快速運動時效果表現更好；struck，scm，tld，lsk和asla等***的結構化學習和區域性稀疏表示對解決遮擋問題效果較好，並且scm，asla和lsk的區域性稀疏表示比mtt和l1apg的全域性稀疏表示模版更加有效；具有仿射運動模型的***（如asla和scm）通常比像struck那種利用少量期望值只描述平移運動的***能夠更好地處理尺度變化；asla所採用的配準池技術比未配準和背景雜亂更加魯棒；csk採用了迴圈行列式結構提高跟蹤速度； vtd和vts方法採用了混合模型來提高跟蹤效能。
背景資訊對有效的跟蹤是至關重要的，可以在判別式模型中對背景模型進行編碼，或者顯式地用作跟蹤上下文資訊來利用背景資訊；區域性模型對跟蹤是非常重要的，就想區域性稀疏表示比全域性稀疏表示效果更好；運動模型或者說動態模型在目標跟蹤中也是至關重要的，尤其是當目標的運動幅度較大或突然運動時。
-3.high-speed tracking with kernelized correlation filters
kcf是一種鑑別式跟蹤方法，屬於short term tracking，在跟蹤過程中訓練乙個目標檢測器，使用目標檢測器去檢測下一幀**位置是否為目標，然後再用新檢測結果去更新訓練集更新檢測器。**使用hog替換掉了灰度特徵，使用核函式，對偶相關濾波進行計算，降低計算量，提高效率。
迴圈矩陣：kcf中所有的訓練樣本是由目標樣本迴圈位移得到的，乙個樣本經過迴圈矩陣處理之後可以得到許多訓練樣本。
迴圈矩陣傅利葉空間對角化：所有的迴圈矩陣都能夠在傅利葉空間中使用離散傅利葉矩陣進行對角化。線性回歸訓練提速，根據迴圈矩陣求逆性質，可以把矩陣求逆轉化為特徵值求逆。
傅利葉對角化簡化的嶺回歸，使用向量的點積運算取代矩陣運算和求逆運算，大大提高了計算速度，嶺回歸是一種改良的最小二乘回歸方法。
核空間的嶺回歸，找到乙個非線性的對映函式列向量，是對映後的樣本在新空間中線性可分，那麼在新空間中就可以使用嶺回歸來尋找檢測分類器。
優點：通過的矩陣迴圈增加了訓練樣本，提高了正確率；進行傅利葉變換，避免求逆運算提高計算效率。
缺點：依賴迴圈矩陣，對尺度變換的目標跟蹤效果不好；難以處理高速運動的目標，對相鄰幀間目標位移過大效果都不好；對有遮擋的目標模型處理不好。
-4. 基於顏色判別式的跟蹤方法
根據特定的機場應用場景，目標的顏色和光照變化緩慢，選用顏色直方圖建立判別模型，處理速度較快，但對遮擋和尺寸變化處理效果較差，對跟蹤背景限制較大，演算法魯棒性有待進一步提高，初始跟蹤視窗相差乙個畫素跟蹤結果相差較大。跟蹤效果會隨跟蹤時間增加而變得越差。一旦干擾抑制項把真正的跟蹤目標抑制之後，將會很難調整。跟蹤目標由近到遠變化時，跟蹤視窗不能及時調整會造成跟蹤失敗。
目標跟蹤小結
一 引言 在需要監控的環境裡，如何能夠判斷出進入特定區域的目標，並且能夠跟蹤目標的軌跡。分為兩種情況 一是靜態背景下的目標跟蹤 二是動態背景下的目標跟蹤。二 靜態背景下的目標跟蹤方法 2 多目標 靜態環境下的多目標跟蹤，需要確定每個目標的特徵，位置，運動方向，速度等資訊。3 預處理 由於獲得的影象總...
目標跟蹤小結
一 引言 在需要監控的環境裡，如何能夠判斷出進入特定區域的目標，並且能夠跟蹤目標的軌跡。分為兩種情況 一是靜態背景下的目標跟蹤 二是動態背景下的目標跟蹤。二 靜態背景下的目標跟蹤方法 2 多目標 靜態環境下的多目標跟蹤，需要確定每個目標的特徵，位置，運動方向，速度等資訊。3 預處理 由於獲得的影象總...
目標檢測和跟蹤小結
目標檢測即為從序列影象中將變化區域從背景影象中提取出來。運動目標檢測的演算法依照目標與攝像機之間的關係可以分為靜態背景下運動檢測和動態背景下運動檢測。1.靜態背景 2.動態背景 需要進行影象的全域性運動估計與補償 運動目標跟蹤就是在一段序列影象中的每幅影象中實時地找到所感興趣的運動目標 包括位置 速...