目标检测和目标跟踪小总结

目标检测分为背景建模和前景建模：
基于背景建模的方法通过对背景进行估计, 建立起背景模型与时间的关联关系, 将当前帧与所建背景模型进行对比作差, 间接地分离出运动前景, 最后经过前景分割得到跟踪目标;

基于前景目标建模的方法则是采用灰度、梯度、颜色、纹理形状等同质特征（特征学习包括人工设计特征如下图和自学习特征如玻尔兹曼机/稀疏编码/神经网络两种），建立起目标的分类器对其进行分类与检测。

非深度学习方法多用于嵌入式等场景中。
深度学习方法对计算设备的配置要求较高。深度学习方法的本质是通过训练得到分类器。深度学习方法检测目标的常用方法如fasterRCNN(两阶段)，YOLO(一阶段)，SDD(一阶段)三种，SDD综合和平衡了fasterRCNN和YOLO的优缺点。
https://blog.youkuaiyun.com/wujianing_110117/article/details/104841485
基于YOYO用python实现视频中的目标检测 ：https://segmentfault.com/a/1190000017100350
基于SSD用python实现图片中的目标检测：https://www.jianshu.com/p/7957d8778d68

如果要检测的目标是特定的如频域光谱图则需要自行训练分类器！
基于tensorflow训练自己的深度学习目标检测器：https://blog.youkuaiyun.com/chenmaolin88/article/details/79357263

@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
目标跟踪：
https://zhuanlan.zhihu.com/p/148516834
http://www.cjig.cn/html/jig/2019/12/20191201.htm
https://www.cnblogs.com/silence-cho/p/14211183.html
https://www.jianshu.com/p/0eab89066ea7
http://imgtec.eetrend.com/blog/2019/100017436.html
https://blog.sciencenet.cn/blog-3291369-1193386.html

并参考：
https://www.cnblogs.com/hyserendipity/p/10073780.html
https://www.cnblogs.com/xiaoboge/p/10531060.html
致敬以上大佬， 如有侵权请联系我。