Struck跟踪算法介绍及代码解读(一）

博客：http://blog.csdn.net/qianxin_dh

邮箱：[e-mail]

     《Struck:Structured Output Tracking with Kernels》是 Sam Hare, Amir Saffari, Philip H. S. Torr等人于2011年发表在Computer Vision (ICCV)上的一篇文章。Struck与传统跟踪算法的不同之处在于：传统跟踪算法(下图右手边)将跟踪问题转化为一个分类问题，并通过在线学习技术更新目标模型。然而，为了达到更新的目的，通常需要将一些预估计的目标位置作为已知类别的训练样本，这些分类样本并不一定与实际目标一致，因此难以实现最佳的分类效果。而Struck算法(下图左手边)主要提出一种基于结构输出预测的自适应视觉目标跟踪的框架，通过明确引入输出空间满足跟踪功能，能够避免中间分类环节，直接输出跟踪结果。同时,为了保证实时性，该算法还引入了阈值机制，防止跟踪过程中支持向量的过增长。

      最后,大牛作者们也提供了c++版源代码，有兴趣的朋友可以下载下来，体验下该算法的强大。代码下载地址：https://github.com/gnebehay/STRUCK，代码调试需要Opencv2.1以上版本以及Eigen v2.0.15。

         在论文理解以及代码调试的过程中，主要参考了以下资料，感到获益匪浅，列举如下：

        

         1） Eigen的安装及学习

               http://eigen.tuxfamily.org/dox/GettingStarted.html

         

         2） 支持向量机通俗导论（理解SVM的三重境界）

               http://blog.csdn.net/v_july_v/article/details/7624837

         

        视觉目标跟踪作为现今计算机视觉领域中的一个核心技术，已经在人机交互，监控，增强现实等众多领域内得到广泛应用，通过对论文的研读以及代码的理解，更让我深刻感受到视觉领域之魅以及编程之美。我以博客的形式记录自己学习过程中的体会，将收获凝聚为文字，加强自己学习的能力。每个求学的人都是在学习的过程中慢慢成长，不断提高自身，当我对文章或者代码理解错误时，也希望大家能够见谅～。