ZhangPY的专栏

视觉跟踪在计算机视觉和机器人学领域是一个流行和有挑战的话题。由于多种场景下出现的目标外貌和复杂环境变量的改变，先进的跟踪框架就有必要采用在线学习的原理。本论文简要的介绍了一下关于视觉跟踪的挑战和应用，通过分类集中讨论基于在线学习的现代跟踪方法。我们提供了对每种分类中的代表性方法的详细描述，同时检查它们的优点和缺点。而且，一些最具代表性的算法被实现，来提供定量的参考。最后，我们列出了几个关于视觉跟踪研究的未来发展趋势。

摘要本文研究视频流中未知目标的长期跟踪问题。在第一帧，通过选定位置和大小定义跟踪目标。在接下来的每一帧中，跟踪任务是确定目标的位置和大小或者说明目标不存在。我们提出了一种新颖的跟踪框架（TLD），明确地将长期跟踪任务分解为跟踪、学习和检测。跟踪器完成目标在图像帧间地跟踪。检测器集中到当前为止所有到已经观测到的外观，并在必要时纠正跟踪器。学习阶段估计检测器的误差并更新，避免将来的误差。我们研究怎

BING: Binarized Normed Gradients for Objectness Estimation at 300fpsMing-Ming Cheng, Ziming Zhang, Wen-Yan Lin, Philip Torr, IEEE CVPR, 2014基于二值化赋范梯度特征的一般对象估计摘要：通过训练通用的对象估计方法来产生一组候选对象窗