在线多实例学习online MIL

目标跟踪是计算机视觉领域里一个很重要的课题，而在线多实例学习方法是应用在视觉跟踪上的。关于这方面的讲解，网上能搜到的很少，于是自己看了若干文献，简单总结下，个人理解的不是很透彻，有不对的地方还望指正。

Visual Tracking with Online MultipleInstance Learning：

通常一个跟踪系统会包含3个部分：image representation，appearance model, and motion model。MIL算法针对的是外观模型这一部分，当然也会用到特征描述。

以往很多现成的算法对跟踪效果不好主要是因为目标外观或者背景的变化，后来有不少针对这方面的研究，思想是利用机器学习的算法来学习一个有可区分度的分类器来把目标从背景分离出来。因为这种方法和目标检测很类似，通常称作“基于检测的跟踪”。

训练样本的生成是这种跟踪方法的一个难题。一种普遍的方法是在当前跟踪的位置取一个正样本，在跟踪位置的周围取一些负样本，但是如果跟踪的不准确，那么外观模型得不到好的更新结果，长时间后会造成漂移。另一种方法是在跟踪位置的一个小的邻域范围内取若干正样本，在远离的地方取负样本，这样的问题是因为存在虚检的正样本，分类器在判断最具有区分性的特征时会受到干扰混淆。为了解决这一问题，MIL算法得以提出。不同之处在于，MIL算法里提出样本袋的概念，所有的正样本（当前跟踪位置的小邻域范围里选取）加入到一个样本袋里，正样本袋具有不确定性（含有虚检），每一个负样本单独作为一个样本袋，负样本袋没有不确定性。如下图所示：