特征：
如果目标快速变形，基于HOG的梯度模板就跟不上了，
如果快速变色，基于CN的颜色模板就跟不上了。
置信度指标:
高置信度更新：只有在跟踪置信度比较高的时候才更新跟踪模型，避免目标模型被污染，减少模型漂移与更新次数，同时提升速度。
1）最大响应值：最大响应分数Fmax。
2）平均峰值相关能量(average peak-to correlation energy, APCE)：反应响应图的波动程度和检测目标的置信水平：（遮挡时波动剧烈）
3）峰值旁瓣比(Peak to Sidelobe Ratio, PSR)：
是峰值的响应值，
是旁瓣的 均值，
是旁瓣的标准偏差，旁瓣是峰值周围11×11的窗口由相关滤波峰值：
在正常的跟踪情况下，PSR的值在20-60之间，意味着强峰；当PSR的值降到7，意味着目标被遮挡了或者跟丢了
4）CSR-DCF的空域可靠性，用两个类似指标反映通道可靠性：
各通道的最大响应峰值Fmax；
响应图中第二和第一主模式之间的比率，反映每个通道响应中主模式的表现力，但需要先做极大值检测：
peakvalue
https://blog.csdn.net/lidawei0124/article/details/80917697?utm_source=blogxgwz1
模板更新策略：
固定学习率的线性加权更新，如果学习率太大，部分或短暂遮挡和任何检测不准确，模型就会学习到背景信息。
如果学习率太小，目标已经变形了而模板还是那个模板，就会变得不认识目标。
部分帧率比较：
Inter i3 CPU @ 3.70GHz, 8GB，64 位，没有 GPU，软件 MATLAB R2016a，在 OTB-100 上的结果
光流法(Lucas-Kannade)
光流法的原理：利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息。
假设一：场景中物体被跟踪的部分亮度保持不变；
假设二：运动相对于帧率是缓慢、连贯的数学表达指的是在上连续，可导；
假设三：相邻的点保持近邻δ邻域内所有像素点的速度（U，V）相等；
论文推荐：
Correlation Filter(15 papers):
ASRCF/C-COT/CSK/DeepSRDCF/DMSRDCF/DSST/ECO/HCFT/KCF/LADCF/LCT/MHIT/MOSSE/SFRT/SRDCF
Classifier-based(19 papers):
ACT/ADNet/ATOM/CNN-SVM/CREST/DAT/DeepTrack/DiMP/DSLT/FasterMDNet/FCNT/MBMD/MDNet/Meta-Tracker/ROAM/STCT/TLD/UPDT/VITAL
Siamese Network(40 papers):
Cascaded-Siam/CFNet/CRPN/DaSiamRPN/DCFNet/DensSiam/DROL/DSiamM/DST/EAST/FlowTrack/GCT/GOTURN/GradNet/HASiam/Learning-to-update/LearnNet/MemTrack/MLT/PTS/RASNet/RFL/SA-DCFNet/SA-Siam/SATIN/Siam-BM/SiamDW/SiamFC/SiamMask/SiamPF/SiamRPN/SiamRPN++/Siam-tri/SiamVGG/SPM/StructSiam/TADT/THOR/UDT/UpdateNet
还有比较值得关注的长时跟踪领域：
Long-term(8 papers)：DaSiamRPN/LCT/MBND/MMLT/MUSTer/PTAV/SPLT/TLD