對一些**中的東西可能有了更多的理解，做畢設的時候讀文章說更新這個核頻寬h，這個公式沒有看懂是什麼意思，所以不知道怎麼去寫這一段**。
聽了吳恩達的深度學習課程，直觀的了解到了這個公式是什麼意思，
比如你知道了每一天的溫度，你想對這個溫度曲線做乙個更平滑的值，就得到了這樣的紅線影象。
通俗的說就是，theta是你已知的值，而v是通過一定的加權計算得到的值最後變成的曲線，因此在程式設計的時候就很好寫了。
而且一般來說beta取0.9，首先對核頻寬賦初值，然後計算第一幀的核頻寬h_opt也就是theta1，計算後得到的v1也就是新的核函式頻寬，不斷的迭代讓核頻寬更加平滑，適應性的改變。
目標跟蹤的點跟蹤技術 1
目標跟蹤技術按實際跟蹤物件可以分為點跟蹤和塊跟蹤。所謂點跟蹤就是在初始影象幀的目標上找一些具有跟蹤價值的點，用點周圍的一小塊區域的特徵對其進行描述，在後續的影象幀中根據特徵描述尋找這些點移動到的新位置。這裡需要解決三個問題。特徵點選擇 特徵點描述和特徵點匹配。首先談一下特徵點選擇。用於跟蹤的特徵點周...
目標跟蹤的點跟蹤技術 4
獲取特徵點後，sift用方向梯度直方圖描述每個特徵點的特徵。首先計算每個特徵點的梯度幅度和方向 然後計算特徵點周圍16x16範圍的每個點的梯度方向，對其中上下左右每4x4的區域，統計區域內各點的方向梯度直方圖。直方圖把360度角劃分為36個bin，計算前先用高斯平滑削弱邊緣的影響。16x16點的梯度...
目標跟蹤的塊跟蹤技術 1
之前在點跟蹤技術中介紹了兩種不同的跟蹤理論。一種是假設每個特徵點在前後兩幀的亮度是不變的，這就是光流法，但是大部分實際跟蹤問題都不能完全滿足這個假設。另一種是承認每個點是可變的，但變化是極小的，而且該點周圍的乙個鄰域的變化都是極小的，於是把點跟蹤變成塊匹配問題。實際上大部分跟蹤方法是不提取特徵點，而...