在該階段，對已存的目標追蹤演算法出現了兩種比較公認的分類，一種是基於生成模型的方法，一種是基於判別模型的方法。在第一階段中的方法都屬於前一種，而基於判別的方法是指通過分類來做跟蹤，也叫檢測跟蹤（tracking-by-
detection）。
通過機器學習方法，提取影象特徵，並訓練分類器進行分類，在下一幀用訓練好的分類器找到最優區域。該階段，經典的判別類方法有struck和tld。
220566
svm參考：
tld原理：
運動目標檢測跟蹤主流演算法
不全，需要慢慢補充 一 運動目標檢測 一 背景差 1.幀差 2.gmm 等 背景減演算法可以對背景的光照變化 雜訊干擾以及週期性運動等進行建模，在各種不同情況下它都可以準確地檢測出運動目標。因此對於固定攝像頭的情形，目前大多數的跟蹤演算法中都採用背景減演算法來進行目標檢測。背景減演算法的侷限性在於它...
如何給檢測演算法加入跟蹤
問題背景 給任何有檢測框輸出的檢測演算法加上跟蹤，比如yolov3加上sort，然後遇到乙個細節沒注意，坑了自己一把，記錄一下 out boxes,out scores,out classes self.sess.run self.boxes,self.scores,self.classes fee...
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...