算來從小碩接到有關運動跟蹤的任務也有接近一個月了，由於運動跟蹤這一塊不是我們那組的傳統方向，萬事只能靠自己。入門階段抓狂了不少日子，沒頭蒼蠅般看了不少論文和源碼，抓狂原因無非幾個，有論文沒代碼，有代碼的或者太老或者沒論文，當然內功太差(包括問題抽取能力，資料搜索能力，算法理解能力等)也是根本原因。忽然有一天，認識網上一朋友，建議我去看看TLD。去google一下果然眼前一亮，首先就是作者的個人主頁。前面也找到過不少作者的主頁附有論文和源碼的，但資料有那麼全的，而且還算比較新的(從08-11)，加之高水平論文(PAMI,CVPR,BMVC,ICPR,ICIP)還是不多。更令人欣喜的是有那麼多牛人在博客中給出了註釋和討論，令人感覺就像在沙漠中走了好多天看到人的感覺一樣。於是小碩便一發不可收的陷入了TLD的學習中。
兩週的學習，在算法本身之外隱約感覺到了對一個問題有了一點新的感悟，那就是：怎麼做一個成功的研究者？首先就是選擇問題的切入點，拿追蹤問題來說，檢測與跟蹤向來都是運動跟蹤問題兩個基本問題，綜合兩個問題來聯合解決運動跟蹤問題應該是一般人都可以想到的基本思路，前人也做過一些類似的工作，如(kalman濾波+camshift)。然而，卻不是每個人都可以想到通過一個learning模塊，來巧妙地利用檢測器和跟蹤器的雙方面信息來綜合跟蹤物體。切入之後下一步就是像切西瓜似的，要將問題成功分塊，分而治之纔可以現實地解決問題，在這個過程中，力求對其中關鍵問題進行解決，以期通過優化模塊來優化整體。這一點我們可以看到Dr. Zdenek的論文從時間上來看是一個總-分-總的格局。從框架——跟蹤器——PN學習——框架。那麼我們可以從研究方法上來說需要做的是理清思路——然後尋找關鍵問題——解決關鍵問題——總結，從而形成一個完整的結構。記得李開復在他自傳中說他導師和他講過：“博士就是在一個狹窄的領域做出世界一流的研究”。從研究點來講一個單目標的跟蹤問題從問題本身來說不算大，但如Dr. Zdenek一樣，這個領域從來不乏傑出的研究者和研究成果。這些天的對算法的學習又一次讓有志於去讀博作研究的我得到一點啓發吧。
廢話說了很多，其實也就是一個想法。如果我們有志於向牛人的方向努力，那在每次學習中，不應該只注重方法本身，更應該注重方法的作者是怎麼發現它的，他是怎麼思考的，又是怎麼去探索出解決方案的。就如一句古話“授人以魚不如授人以漁”，同樣在學習中也是“學人以魚不如學人以漁”。接下來的系列中，小碩期待總結一下學習所得，因此研究算法的牛人及其算法分析已然很多，故名爲菜鳥看TLD系列。以期有朝一日也能學人以“漁”成爲牛人。