追踪算法的调查总结

参考文章：https://www.zhihu.com/question/26493945

VOT序列库：https://link.zhihu.com/?target=http%3A//votchallenge.net/challenges.html

源码：https://link.zhihu.com/?target=https%3A//github.com/foolwood/benchmark_results（ CSK, KCF和DAT）

        https://link.zhihu.com/?target=https%3A//github.com/HakaseH/CF_benchmark_results（相关滤波类）

DETRAC challenge：车辆检测追踪的比赛  http://detrac-db.rit.albany.edu/

• 
  

多目标跟踪竞赛（MOT）：Multiple Object Tracking Challenge 2017 Results：

https://blog.csdn.net/yuhq3/article/details/78669695

多目标追踪（MOT）的论文及源码总结：https://github.com/SpyderXu/multi-object-tracking-paper-list

生成模型方法：卡尔曼滤波、mean-shift、粒子滤波

ASMS：https://github.com/vojirt/asms  颜色直方图特征+尺度不变（基于mean-shift），平均帧率125FPS

             测试效果不好，会追丢：https://blog.csdn.net/hjl240/article/details/52165634（推荐该博主，测试了很多追踪算法，包括SCT、MUSTer）

判别模型方法：当前帧以目标区域为正样本，背景区域为负样本，机器学习方法训练分类器，下一帧用训练好的分类器找最优区域

        经典判别类方法推荐Struck和TLD，都能实时性能还行，Struck是2012年之前最好的方法，TLD是经典long-term的代表，思想非常值得借鉴：

• Hare S, Golodetz S, Saffari A, et al. Struck: Structured output tracking with kernels [J]. IEEE TPAMI, 2016.
• Kalal Z, Mikolajczyk K, Matas J. Tracking-learning-detection [J]. IEEE TPAMI, 2012. 
• KCF：https://blog.csdn.net/crazyice521/article/details/53525366（使用核相关滤波器训练一个判别式分类器，使用轮转矩阵生成样本去训练分类器）