跟踪学习小结

断断续续学习了一个月，一边准备复试的科目一边做毕业设计，结果，复试的东西快忘光了，但还好毕设基本完成了。
复习现代控制这本书的时候，对于状态空间就几乎不理解，比如其中的预测方程和观测方程，为什么长这样，这些矩阵是怎么回事呢？等到实际学习Kalman滤波器的时候，对这些就有的初步的理解，比如卡尔曼是用观测方程来修正预测方程，像是自动控制原理中的反馈，只不过是在时域下进行的。
主要收获呢如下：

• 学会了调试程序
• 先画流程图后写程序

对于三种算法，自己看了网上的一些程序，在看懂的情况下，并且进行了相应的修改

Meanshift

Meanshift+Kalman

CAMshift

• 由于是跟踪前期，此时效果都还不错

• 此时就可以看出来Kalman的修正作用了。

• 这个时候最明显，没有反馈的meanshift已经跑偏了。

总的来说，meanshift比较相邻帧的相似度，而Kalman对其结果进行反馈优化，Camshift可以更新搜索窗口（由于是在H色调分量来处理，更准确），但由于Camshift的窗口变化的值是固定的，所以前期跟踪的好，后期由于距离近了就窗口变化就不够了。

但也有一些提高的空间，比如跟踪的框可以有角度的调整，大小上更适应一些，有遮挡的情况下怎么处理，这些难度有点高，等以后有机会接触再进行学习。
做毕设主要是通过matlab来进行的，以后可能还要学python，python的话以前接触过，有时间继续研究一下，近期的话试一试把跟踪小车调整一下，毕竟跟踪小车的应用背景比较好。