近几年目标跟踪算法发展综述（上）
本文旨在对本人对近几年跟踪算法的了解以及看过的论文的一个总结，可能有些遗漏之处，还望读者大大们不要鄙视我，有什么缺漏请提出。
2009年
先说2009年，这算是我了解的算法当中年龄最大的一些了，在09年出现的算法在我这已经算是元老级的算法了，09年了解的比较少，列举一下自己的理解。
MIL
Boris Babenko, Visual Tracking with Online Multiple Instance Learning这篇多实例目标跟踪算法使用分类方法对目标进行跟踪，核心思想就是在以前使用的分类器中把单个样本作为输入去训练，在本算法当中，把一类的样本（都是正样本）和单个的负样本作为输入训练，保证能够学习到更多的目标的外观模型，能够更好的对目标进行分类。
2010年
哎，这两年的算法确实少啊，以前的算法又难以去理解，就继续走吧，今年还算有点重大突破的，MOSSE，速度杠杠的。
MOSSE
David S. Bolme, J. Ross Beveridge, Bruce A. Draper, Yui Man Lui. “Visual Object Tracking using Adaptive Correlation Filters.” ICCV (2010). [paper] [project]这篇文章呢就是下面我们在接下来几年要说的算法的前身，鼻祖之作，把CF引入到跟踪界，本文使用灰度特征对目标进行表达，最小化二次方差从而去学习一个滤波器，跟踪阶段找到响应图中最大值的位置就是目标所在的位置。
感受一下这速度，666666666啊，飙车啊，老司机~~~
这篇文章还有一个大的创新点就是提出了错误检测标准，峰值边界比PSR，计算公式就是（最大值-均值）/标准差，话说这个PSR能够检测出是否跟踪的准备，能够判断跟踪上还是没有跟踪上，对跟踪可靠性的一个评价指标。意会就好，不可言传，反正我是不咋信，自己试验去吧，虽然后来人都在用，不过都是水文章，为了好看，我不看好这个，毕竟让计算机跟踪到人都很难了，再让他判断有没有跟上，难啊~~~~
TLD
Z. Kalal, J. Matas, and K. Mikolajczyk. P-N Learning: Bootstrapping Binary Classifiers by Structural Constraints. [Paper] [Project]这篇文章没有仔细研究过，有兴趣的同学可以好好研究一下
P-N学习思想如下图：
2011年
这一篇没看，但是还是要放上来，因为在Benchmark一直会出现他的身影，所以放上来供大家欣赏，如果有小伙伴研究了这个算法， 可以跟我联系一下，帮忙写一篇介绍还是很好的~~~
Struck: Structured Output Tracking with Kernels.Project
2011年也没有太大的发展和进步，跟踪基本就是停滞不前，不倒退就算好的了，也没有什么特别新的点子创新出来，也没能发展出来新的算法。MIL的作者在今年更新了一下以前的MIL，没啥变化，重新投了一个TPAMI而已。
————————————————————————————————————————————
华丽丽的分割线，看到这大家就知道，有大事要发生了，对在12年之后，跟踪算法有了一个飞跃性的进展，井喷来形容不为过，下面一年一年的叙述。
2012年
CSK
F. Henriques, R. Caseiro, P. Martins, and J. Batista. Exploiting the Circulant Structure of Tracking-by-Detection with Kernels. [Paper] [Project]第一个神作必须给到Henriques大神的CSK，这个确实神了啊，不论是精度还是速度，那都是蹭蹭的窜啊。当时还没有Benchmark的出现，只能略微感受一下了
本算法速度快在哪里呢，傅里叶变换和循环矩阵。学习到模板直接检测得到位置。
2013年
今年最大的发展莫过于Benchmark的出现大，这个真的是一大福音的，给跟踪界定下来一个指标，使得大家能够很好的测试自己的算法到底是什么水平，能够排在多少位置。
Benchmark
Online Object Tracking: A Benchmark 【Paper】【Project】
在benchmark中搜集了50个序列集，分为11个类别，以及一些已经测试了的算法结果。
————————————————————————————————————————
上篇就写到这里吧，下面的会详细一点，感觉自己写的好凌乱，好好再整理一下思绪，有什么想法也可以提出来