2016年
VOT2016【Index】今年算法比賽結果沒什麼特別大的意外，CNN和結合深度特徵的算法都排名靠前，沒毛病。今年你知道主辦方幹了一件大好事，就是把所能蒐集到的算法代碼都給公佈了，良心啊~~~【下載地址】
需要的自己去拿吧。
下面是今年的比賽結果：
接下來就挨個介紹吧，先從第一開始。
不得不佩服Martin大神啊，今年都竄到第一了，
C-COT
Beyond Correlation Filters: Learning Continuous Convolution Operators for Visual Tracking【Paper】【Project】【詳細介紹】這個鏈接是我寫的一篇對本篇文章的詳細介紹，直接點進去看就好，這裏就不佔篇幅講解了。
TCNN:
Hyeonseob Nam, Mooyeol Baek, Bohyung Han. “Modeling and Propagating CNNs in a Tree Structure for Visual Tracking.”【Paper】【Project】
分支權重計算公式
目標位置預測：
Staple:
Luca Bertinetto, Jack Valmadre, Stuart Golodetz, Ondrej Miksik, Philip H.S. Torr. “Staple: Complementary Learners for Real-Time Tracking.”【Paper】【Project】
一張圖解決戰鬥吧，Staple就是把HOG—KCF和顏色統計特徵結合，找出目標的位置。前面說過，相關濾波模板類特徵(HOG)對快速變形和快速運動效果不好，但對運動模糊光照變化等情況比較好；而顏色統計特徵(顏色直方圖)對變形不敏感，而且不屬於相關濾波框架沒有邊界效應，快速運動當然也是沒問題的，但對光照變化和背景相似顏色不好。這兩類方法可以互補，也就是說DSST和DAT可以互補結合。就是Staple算法的最終結果了。
SiameseFC:
Luca Bertinetto, Jack Valmadre, João F. Henriques, Andrea Vedaldi, Philip H.S. Torr. “Fully-Convolutional Siamese Networks for Object Tracking[Paper[Project之後我會寫一篇詳細介紹Siamese網絡的文章，這裏就不多對Siamese介紹了。思想就是類似模版匹配。
GOTURN:
David Held, Sebastian Thrun, Silvio Savarese. “Learning to Track at 100 FPS with Deep Regression Networks.Siamese的另一個版本，之後會一起介紹。
CF+AT:
Adel Bibi, Matthias Mueller, and Bernard Ghanem. “Target Response Adaptation for Correlation Filter Tracking.” 【Paper】小插曲：這篇文章必須要介紹，不得不說國外的學者還是不錯的，Adel Bibi這個小哥沒少給我幫助，在他上一篇文章中有一些問題沒理解，這小哥直接把Skype賬號給我了，電聯你懂嗎，可是隻怪我語言差啊，沒能好好交流。還是很感謝小哥的。
接下來好好說這個文章：
小哥研究認爲，循環移位並不是真是的樣本，只是近似真實樣本的樣本，在跟蹤過程當中遇到快速運動和遮擋等問題的時候，這些樣本變得不可信。傳統的算法不能夠解決算法漂移的問題。爲了解決這個問題，提出一個能夠自適應的改變目標回覆的生成框架。當循環移位樣本不可靠的時候，不去相信他，選擇相信的位置，更好的對目標進行跟蹤。
目標優化函數：
本文中，算法能夠自適應的改變y值在每一幀當中。不僅僅是依賴於訓練模版，也決定於上一個運動信息。
HDT:
Yuankai Qi, Shengping Zhang, Lei Qin, Hongxun Yao, Qingming Huang, Jongwoo Lim, Ming-Hsuan Yang. “Hedged Deep Tracking[Paper[Project這篇文章個人認爲就是完全的模仿HCF來做的，雖然作者寫的很花，也有幸和馬超大哥當面交流過一次，問過這個小問題，馬超大哥笑笑說“是給了點幫助”，你懂的。反正就是參照HCF的思想去理解這篇文章就完全沒有毛病。
CNT: Kaihua Zhang, Qingshan Liu, Yi Wu, Minghsuan Yang. “Robust Visual Tracking via Convolutional Networks Without Training.”【Paper】【Project】張開華老師的文章是我一直不敢去讀的文章，我害怕，至於害怕什麼，大家自己體會吧，我不便多說，文章我沒讀過，也不妄加言論，大家自己讀，自己總結吧。
2016總結：今年沒什麼意外，跟蹤領域已經被深度學習拿下，相關濾波改進算法也算還可以HCF、KCF_SMXPC等排名中等效果也不錯，存在的問題還是那些，深度學習精度提高了，但是是損失了速度之後纔對算法精度提高的，這個對實時的應用來說一直存在的障礙，怎麼樣能夠打破這種限制，其實Siamese給出了一個解決的辦法，但是Siamese有他自身不足存在，對於變化過快的物體無法跟蹤到。
跟蹤界一直存在的兩個難題也沒有解決①跟蹤的可靠性靠什麼指標來評價；②對於完全遮擋目標的解決。雖然兩個問題都有一定的方法來解決，但是不太可靠，希望後來人對這方面做出更多的貢獻。