引言
??最近刚开始看论文，以前都是看数据手册，参考手册，User Guide， Application Note这类，就没好好看过论文。现在开始入门目标跟踪这一块，希望先熟悉一些算法，然后再去尝试嵌入式平台上的实现。
??A Review of Visual Trackers and Analysis of its Application to Mobile Robot，2019年的一片目标跟踪相关的论文综述，大致介绍了目标跟踪算法的发展历程。
笔记
零碎的笔记
??传统的目标跟踪算法，主要是用数学公式预测轨迹，而现在的目标跟踪算法则是把检测算法，跟踪策略，更新策略，在线分类等结合在一起，更加复杂。
??文章中的表1给出了今年的一些数据集。表2给出了一些常用的特征。
??目标跟踪的算法大致分为两种，不管是哪一种，特征提取非常重要！！一种是generative method，生成式方法，建立目标的模型后用模板匹配的方式找目标。另一种是判决式方法，discriminative method，它不生成模型，而是直接用神经网络判断是不是目标或者给出目标的概率。
??跟踪的算法以前是用来解决检测速度慢的问题，跟踪可以预测目标下一帧可能的位置。而现在又有了用检测代替跟踪的方式，就是把一段时间内的视频帧用来检测，这就是现在主流的Tracking-by-Detection。主要有两种Tracking-by-Detection的方法，Correlation Filter相关滤波和Deep Learning 深度学习。
相关滤波
??相关滤波CF Correlation Filter，也被称作DCF Discriminative Correlation Filter
| 参考文献序号 | 概要 |
|---|---|
| 118 | 总结了相关滤波的一般架构 |
| 115 | ASEF, Average of Synthetic Exact Filters |
| 116 | MOSSE, Minimum Output Sum of Squared Error Filter |
| 57 | CSK, Circulant Structure of tracking-by-detection with Kernels |
| 119 | MCCF, Multi-Channel Correlation Filter |
| 117 | KCF, Kernel Correlation Filter |
| 75 | CN, Color Names |
??CSK，KCF，CN常常在很多数据集中被当作基准算法
??相关滤波的滤波器尺寸如果是固定的，就很难应对目标的尺度变化。为此有人提出了新的一些能够解决尺度变化问题的算法。
| 参考文献序号 | 概要 |
|---|---|
| 62 | DSST HOG 特征 Translation Filter + Scale Filter算得慢 |
| 61 | fDSST PCA降维 |
| 121 | SAMF HOG 和 CN特征 基于KCF，和DSSTA相像 |
| 124 | CFLB 灰度特征 基于MOSSE |
| 125 | BACF HOG特征 基于MOSSE |
| 126 | RCF 基于CF 引入三个稀疏相关损失函数 |
| 127 | MEEM 可以调用多个跟踪器（缝合怪），实时性不好 |
??后面的还有好多先不看了，准备去看具体的论文……
??上面这个图是目标跟踪算法整体的发展分支。
??等后面看了一些文章之后再来补充……