最近学习视觉目标跟踪算法，主要了解了几个主流的跟踪算法，kcf，stc，dsst，算法原理网上很多，这里就不再赘述，只对跟踪效果做了测试记录。
Kcf
全名Kernelized Correlation Filters
其中hog特征用的fhog(Felzenszwalb’s hog，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
测试了一下，达到100fps，经过改进后，能达到250fps，算法速度挺快，但是目标快速移动容易跟丢，适合跟踪慢速移动的目标。
Stc：
时空上下文跟踪算法，是最近几年出来比较新的跟踪，基友opencv和c++编写，配置好后可以直接运行，跟踪效果理想，对于跟踪一块理解非常好
博文地址：
http://blog.csdn.net/zouxy09/article/details/16889905
文中提出stc是一种简单却非常有效的视觉跟踪方法。更迷人的一点是，它速度很快，原作者实现的Matlab代码在i7的电脑上达到350fps。
下载地址：
http://download.csdn.net/detail/qq_23274769/9531181
我自己在pc上测试了一下，opencv版，一帧需要20ms，也就是50fps，目标快速移动也容易跟丢，但是比kcf效果好一点点。
dsst算法：
VOT(视觉目标跟踪大赛)2014竞赛的冠军
DSST(Accurate Scale Estimation for Robust Visual Tracking)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。
测试了一下，30帧的相机，达到100fps左右。跟踪效果最好，目标快速移动不容易跟丢；跟丢了还可以找回来；目标框越大，匹配速度越快，能到115fps左右
这里重点介绍一下qt配置：
头文件需要添加内部目录：
QMAKE_CXXFLAGS += -std=c++11
INCLUDEPATH += .
INCLUDEPATH += ./main
INCLUDEPATH += ./3rdparty/tclap
INCLUDEPATH += ./3rdparty/cv_ext
INCLUDEPATH += ./3rdparty/piotr
INCLUDEPATH += ./3rdparty/piotr/src
INCLUDEPATH += ./cf_libs/common
INCLUDEPATH += ./cf_libs/dsst
INCLUDEPATH += ./cf_libs/kcf
INCLUDEPATH += /usr/local/include
INCLUDEPATH += /usr/local/include/opencv
INCLUDEPATH += /usr/local/include/opencv2
INCLUDEPATH += /usr/local/include/opencv2/core
INCLUDEPATH += /usr/local/include/opencv2/highgui
INCLUDEPATH += /usr/local/include/opencv2/imgproc
INCLUDEPATH += /usr/local/include/opencv2/imgcodecs
INCLUDEPATH += /usr/local/include/opencv2/flann
INCLUDEPATH += /usr/local/include/opencv2/photo
INCLUDEPATH += /usr/local/include/opencv2/video
INCLUDEPATH += /usr/local/include/opencv2/features2d
INCLUDEPATH += /usr/local/include/opencv2/objdetect
INCLUDEPATH += /usr/local/include/opencv2/calib3d
INCLUDEPATH += /usr/local/include/opencv2/ml
INCLUDEPATH += /usr/local/include/opencv2/contrib
#LIBS += `pkg-config opencv --cflags --libs`
#INCLUDEPATH += /usr/local/include //usr/local/include/opencv //usr/local/include/opencv2
LIBS += /usr/local/lib/libopencv_calib3d.so \
/usr/local/lib/libopencv_core.so.3.0 \
/usr/local/lib/libopencv_features2d.so \
/usr/local/lib/libopencv_flann.so \
/usr/local/lib/libopencv_highgui.so \
/usr/local/lib/libopencv_imgcodecs.so \
/usr/local/lib/libopencv_imgproc.so \
/usr/local/lib/libopencv_ml.so \
/usr/local/lib/libopencv_objdetect.so \
/usr/local/lib/libopencv_photo.so \
/usr/local/lib/libopencv_shape.so \
/usr/local/lib/libopencv_stitching.so \
/usr/local/lib/libopencv_superres.so \
/usr/local/lib/libopencv_videoio.so \
/usr/local/lib/libopencv_video.so \
/usr/local/lib/libopencv_videostab.so
#LIBS += -L/usr/local/lib/ -lopencv_highgui -lopencv_core -lopencv_imgcodecs -lopencv_imgproc -lopencv_objdetect
还有这个：https://github.com/gnebehay/DSST
vs版本的，可以没有sse。
https://github.com/ferzik85/dsst
python 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's Toolbox工具箱。
下载地址可以参考：http://vision.ucsd.edu/~pdollar/toolbox/doc/index.html
对于32位的机器运行KCF程序需要使用gradientMex.mexw32（作者提供的是64位的），可在这里下载到能在32位机上运行的程序。
这几个项目都用了sse汇编指令加速，如果再arm系统上，就不支持__128浮点运算了。
我们知道，在C/C++代码中，可以插入汇编代码提高性能。现在的指令集有了很多的高级指令，如果我们希望使用这些高级指令来实现一些高效的算法，就可以在代码中嵌入汇编，使用SSE等高级指令，这是可行的，但是如果对汇编不太熟悉，不愿意使用汇编的人来说，其实也是可以的，这就是Compiler Intrinsics（http://msdn.microsoft.com/zh-cn/site/26td21ds）。
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（Learning Multi-Domain Convolutional Neural Networks for Visual Tracking）。代码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correlation filter，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。
入tracking坑快一年了，大牛们速度惊人，这两年发展很迅速。
