strcf目標跟蹤原文：learning spatial-temporal regularized correlation filters for visual tracking
github：**
abstract
[1]邊界效應(由kcf迴圈矩陣導致的)：訓練階段，目標中心移動到邊緣附近，此時學習到的樣本為不合理的樣本，在檢測階段，當目標移動到邊界附近，此時的目標和訓練時使用的負樣本是比較接近的，但是此時應當把此作為整樣本來使用檢測到目標，但是實際演算法中不是這樣，所以會導致跟蹤失敗。
[2]被動攻擊演算法:適用於大規模學習的演算法。它和感知器一樣不需要學習率。然而，與感知器相反，它有乙個正則化引數c
參考：
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...
Camshift目標跟蹤
camshift演算法是continuously adaptive mean shift algorithm的簡稱。它是乙個基於meansift的改進演算法。它首次由gary r.bradski等人提出和應用在人臉的跟蹤上，並取得了不錯的效果。由於它是利用顏色的概率資訊進行的跟蹤，使得它的執行效率比...