视觉跟踪算法

        放寒假在家，学习效率与在学校相比，低了许多。特别怀念从学校到回家的路上，坐在长途客车上，空座位很多，人很少，看文章效率蛮高。记得那天回家路上在车上看了一篇visual tracking方面综述性的文章，好几个小时，感觉挺好。一篇paper读了好几遍。

       现在言归正传，简要的记录一下自己的一些体会与想法。比较杂，认识也较浅薄。

        看看现在国内视觉跟踪研究领域，牛人还是很多的。

        自从Xue Mei等人于2009年提出了L1跟踪器之后，国内很多人在此基础上做了许多的工作。我想其中最主要的工具当属字典学习算法了。字典学习的主要目的：一是利用字典原子作为基函数表示候选目标，二是通过更新基函数以反映目标表观的变化。如果放在更大的范围来讨论，稀疏编码主要关注的问题是从历史帧中的跟踪结果学习字典，而稀疏表示的作用是给定字典，获得各个候选目标在这个字典下的稀疏表示，这种表示的系数可用作下一级目标识别阶段的特征。

一个有用的网站

http://www2.imm.dtu.dk/~aam/

http://www.cvchina.info/2014/02/25/14cvprbing/

Object Tracking by Oversampling Local Features

http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex4/ex4.html