qq_40239482的博客

https://github.com/SpyderXu/multi-object-tracking-paper-list

http://www.360doc.com/content/17/0810/10/10408243_678091430.shtml

Mosse参考https://blog.youkuaiyun.com/autocyz/article/details/48136473dsst参考https://blog.youkuaiyun.com/roamer_nuptgczx/article/details/50134633

基于MeanShift的Camshift算法原理详解(整理)meanshift算法思想其实很简单：利用概率密度的梯度爬升来寻找局部最优。它要做的就是输入一个在图像的范围，然后一直迭代（朝着重心迭代）直到满足你的要求为止。但是他是怎么用于做图像跟踪的呢？这是我自从学习meanshift以来，一直的困惑。而且网上也没有合理的解释。经过这几天的思考，和对反向投影的理解使得我对它的原理有了大致的认识。  ...

人脸检测（1）——HOG特征一、概述　　前面一个系列，我们对车牌识别的相关技术进行了研究，但是车牌识别相对来说还是比较简单的，后续本人会对人脸检测、人脸识别，人脸姿态估计和人眼识别做一定的学习和研究。其中人脸检测相对来说比较简单，譬如Dlib库中直接封装了现成的库函数 frontal_face_detector 供相关人员使用，但是Dlib的运行速率并不是很高，另外于仕琪老师的 libfaceDe...

（一）HOG特征1、HOG特征：方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国

Object Tracking using OpenCV (C++/Python)February 13, 2017 By Satya MallickIn this tutorial, we will learn about OpenCV tracking API that was introduced in OpenCV 3.0. We will learn how and when

fhog在KCF和DSST中都用到了，当时看KCF的时候做了总结，放在这里。传统hog特征提取。关于HOG特征（梯度统计直方图）简单介绍一下，首先是对原图进行灰度化（hog统计的是梯度信息，色彩几乎没有贡献），再进行gamma压缩和归一化（减轻光照影响）。然后进行统计，首先是统计每个cell（代码里用的是4_4）里的梯度（包括大小和方向，大小用来加权方向）统计直方图，再把几个cell合并成一个

https://www.cnblogs.com/wjy-lulu/p/7009038.html