mosse是單通道灰度特徵的相關濾波，
csk在mosse的基礎上擴充套件了密集取樣(加padding)和kernel-trick
kcf在csk的基礎上擴充套件了多通道梯度的hog特徵
cn在csk的基礎上擴充套件了多通道顏色的color names
dsst在mosse的基礎上擴充套件了尺度濾波器（scale filter）
fdsst通過降維的方式進行加速計算
staple本質上就是dat和dsst的模型輸出結果進行融合
這八種工具包括：
boosting tracker：和haar cascades（adaboost）背後所用的機器學習演算法相同，但是距其誕生已有十多年了。這一追蹤器速度較慢，並且表現不好，但是作為元老還是有必要提及的。（最低支援opencv 3.0.0）
kcf tracker：比boosting和mil都快，但是在有遮擋的情況下表現不佳。（最低支援opencv 3.1.0）
csrt tracker：比kcf稍精確，但速度不如後者。（最低支援opencv 3.4.2）
medianflow tracker：在報錯方面表現得很好，但是對於快速跳動或快速移動的物體，模型會失效。（最低支援opencv 3.0.0）
mosse tracker：速度真心快，但是不如csrt和kcf的準確率那麼高，如果追求速度選它準沒錯。（最低支援opencv 3.4.1）
我個人的建議：
如果追求高準確度，又能忍受慢一些的速度，那麼就用csrt
如果對準確度的要求不苛刻，想追求速度，那麼就選kcf
純粹想節省時間就用mosse
目標追蹤演算法
include include using namespace cv using namespace std global variables rect box bool drawing box false bool gotbb false bounding box mouse callback v...
追蹤演算法的背景
這裡說的跟蹤演算法是通用單目標跟蹤 這裡說的目標跟蹤，是通用單目標跟蹤，第一幀給個矩形框，這個框在資料庫裡面是人工標註的，在實際情況下大多是檢測演算法的結果，然後需要跟蹤演算法在後續幀緊跟住這個框。通常目標跟蹤面臨 幾大難點 吳毅在 valse 的slides 外觀變形，光照變化，快速運動和運動模糊...
Raytracing 光線追蹤演算法
實際上叫反向光線追蹤 backward raytracing 因為計算是從camera開始發射光線，而不是從光源發射光線。反向光線追蹤步驟 1 camera的膠片被分成離散的網格 即畫素點 我們的目標是確定每乙個畫素點的顏色值。2 對於每乙個畫素，從camera位置追蹤一條光線，指向該畫素點 3 對...