坚持学习法的路线

车辆跟踪算法已经做了大半年了（实际时间不到一半），有看了GMM和VIBE的效果，还是要坚持学习法的路线。

通过对Haar Like特征的补充，在原来的5种垂直和水平特征之外，再加上5种旋转特征，对大车的效果有所提升（小车本来就没问题的）。

另加上TLD的tracking部分，算是一个独立的解决方案。此tracking算法虽无理论创新，技巧却是突破，值得纪念。

只是现在要与背景法融合，为了融合而融合，哎。

幸而，学习法仍在继续，对特征做进一步分析，显示卷积图像（类似Gabor滤波）、统计每种特征在正负样本中的平均值、探索HOG特征。