总结一下目标检测与跟踪

       今天开始更，也不知道有没有人会看，学习要抱着一种师夷长技以自强的心态，本人不是崇洋媚外，只是目标cv这方面也确实国外比我们领先很多。呵呵，这个总结是我论文里的，仅供大家学习哦。

      视频序列中目标的准确检测与跟踪是一个颇具有挑战性的任务，其中制约跟踪效果的最大因素莫过于目标的外表变化，主要包括姿势变化和形变等内因变化，也有光照、移位、相机视角及遮挡等外因变化。而我们所要做的就是构造模型，准确的把目标与背景分离是。这里的模型主要指目标模型，模型的构造可以用目标的运动信息，比如kalman跟踪、颜色信息、比如meanshift啊，hog等，还有纹理信息，哦，还有光流信息，你可以选择其中一种，也可以选择对它进行组合取长补短，关键是你建立的这个模型要够强，够全面，同时要考虑这个建模的实时性。基本上，目标检测的过程从数学角度看就是一个建模的过程。这时你会想到我们国内用的比较多的背景差分法，这个也是对目标的背景进行建模，然后相减得到目标物，所以也可以对背景进行建模，这个很容易理解，描述一个物体，不一定要从它本身出发，也可以从它周围的环境进行描述，有一种跟踪算法叫context tracker，这个context是上下文，环境的意思，很明显这种算法就是利用目标和目标的背景信息来描述的。所以本人觉得，一种比较简单的创新点就是可以寻找一个目标新的表述信息。

       说一下分类器在目标检测方面的应用，首先说一下分类器的非官方的概念。对于目标检测，分类器所要做的事就是区分出那个是目标那个是背景。从本质上说，分类器也是用来建立模型的，建立判别模型。判别模型的建立涉及到训练，