Online Object Tracking

1.struck:Structured Output Tracking with Kernels

将原用于目标检测的Structured Output Regression方法用到了目标跟踪上，从一个完全不同的视角重新审视了传统的tracking-by-detection(TBD)方法。

2.SCM:Robust Object Tracking via Sparse Collaborative Appearance Model

字典学习和稀疏表示系列的一篇文章.目标跟踪中的字典学习和其他领域不同，它也存在着一个和模板更新一样的难题：不进行字典更新，目标变化时无法精确跟踪；字典更新过快，跟踪误差容易很快积累也会造成跟踪漂移。所以直接将一般化的字典学习方法介入到跟踪中，有时候并不能取得最理想的效果。SCM方法就规避了这个问题，对应于目标的字典分量完全没有更新，这样就不会积累跟踪误差。跟踪过程中目标的变化通过局部直方图的更新来捕获。可以说，整体模板的方法性能毕竟有上限，尤其是在处理遮挡和快速背景变化时，采用局部分块(patch)是进一步提升跟踪性能的一个好的方法。而这篇文章就将整体模板和局部分块模板都考虑在内，取长补短，各司其职，当然跟踪性能也毋庸置疑。