快速压缩跟踪（fast compressive tracking）（CT）算法剖析

本文为原创，转载请注明出处：http://blog.csdn.net/autocyz/article/details/44490009

Fast Compressive Tracking

（快速压缩跟踪）

虽然目前有很多种的跟踪算法，但是由于姿态的变化、光照的变化、障碍物等原因的存在，导致很多算法的鲁棒性不好。

目前比较主流的跟踪算法有两种，generative  tracking algorithms（生成跟踪算法）和discriminative algorithms（判别跟踪算法）。

生成跟踪算法，顾名思义边生成边跟踪。即对这一帧的样本进行学习，将学习的结果作为下一帧的分类器，达到边学习跟踪，边跟踪边学习的效果。这种跟踪算法的缺点是在视频的前几帧，样本量较少，因此大部分的算法要求视频中目标在视频的前面变化不大。如果目标变化较大，会产生漂移现象。

判别算法认为跟踪就是一个二分类器的问题，其目的是要找到一个将目标从背景中区分出的边界。但是这种算法只用了一个正样本和少量的负样本来跟新分类器。当特征模板含有噪声或者位置偏离时，便会出现漂移现象。

作者的算法：