视觉跟踪总结

（一）K cf（KernelizedCorrelation Filters）

其中hog特征用的fhog(Felzenszwalb’shog，是DPM的作者提出的一种改进的hog)

效果比较好的，题目叫KCF-DSST，实际上是kcf，下载地址：

https://github.com/liliumao/KCF-DSST

 

（二） dsst算法------VOT(视觉目标跟踪大赛)2014竞赛的冠军

DSST(Accurate Scale Estimation for Robust VisualTracking)在2014年VOT上夺得了第一名，算法简洁，性能优异

源码下载地址：

windows+opencv环境：

http://download.csdn.Net/detail/jaoo_f/9311931

跨平台+opencv环境：

https://github.com/klahaag/cf_tracking

这个需要opencv3.0以上版本。

Python版本

版本的：https://github.com/ugv-tracking/dsst_tracking

备注：程序中使用到HOG特征，因此需要用到Piotr'sToolbox工具箱。

      下载地址可以参考：http://vision.ucsd.edu/~pdollar/toolbox/doc/index.html

（三）MDNet算法​

视觉目标跟踪VOT2015竞赛的冠军，学习多域卷积神经网络的视觉跟踪（LearningMulti-Domain Convolutional Neural Networks for VisualTracking）。

论文链接：

http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Nam_Learning_Multi-Domain_Convolutional_CVPR_2016_paper.pdf

代码链接：

https://github.com/HyeonseobNam/MDNet

这个适合在高端pc或者服务器上跑，不适合在移动端arm上跑。

目前效果好的主要两大类吧，一种基于CNN，一种基于correlationfilter，的确效果很不错，但是前者受硬件限制，也受速度限制，后者更轻量级，效果和速度也很赞。