剖析Condensation算法

   最近，学习IVT(Incremental VisualTracking)目标跟踪算法时，细致地学习了Condensation算法，现将其用法进行剖析。

  谈Condensation算法前先啰嗦下IVT，其主要思想：用一组随机且带权重的粒子(一组仿射参数)使跟踪框动态跟踪目标，利用不同粒子对应跟踪内容与目标差异作为更新权重的重要依据，权重最大的粒子跟踪内容与目标最相似，完成跟踪。其中，粒子跟踪内容与目标的差异的度量引入了：Incremental PCA和forgettingfactor。增量PCA主要用于更新模板，forgettingfactor用于定义之前帧对当前帧影响力大小。

   Condensation(Conditional density propagation:条件密度传播)，该迭代算法精髓：对目标变换的“仿射参数”(affine parameters)进行建模，用粒子来模拟仿射参数。粒子可看成是六维空间中的点，表示一组仿射参数。

   该算法涉及1.‘factor sampling’，通过‘drift’—‘diffuse’确定粒子在六维空间的位置；2.observation density 进行权重更新，通过‘measure‘确定粒