Credit

项目原作者：Sergi Granell: xerpi

所有这里使用的源码，以及固件，均来自他创建并维护的GitHub仓库。

交叉编译工具链以及库来自GBATEMP和toolchains.bootlin.com。同时感谢一位大佬提供的服务器，很大的加速了我对内核的测试和编译！

在进行其他方面的学习之前，我准备先仔细了解一下RANSAC算法，虽然这一算法在整个项目里一般只占很小的一个比重，而且很多开源的库里（比如OpenCV）都带有这一算法，或整合了这一算法，但是它的思想和方法可以被用在很多地方。

在这篇文章中我们将继续讨论SURF方法和SIFT方法之间的差异，和它们对比起来的优缺点。

在之前，我们了解过了SIFT算法。另一个与SIFT几乎同样常用的方法是SURF方法。在这篇文章中，我们将简要了解SURF方法，并且通过分析它和SIFT方法的优缺点，来决定我们之后在什么解决方案中使用哪种方法。

总是写一些技术类文章，总是看算法也是比较累的，也违背了我建立这个博客的目的。当初在建这个博客的时候，就是为了能够想到什么就写什么，不用管分类，也不用觉得会有人看所以刻意怎么去写，这里就当成我记录自己学习，想法，以及一些值得写下来的事的地方吧。

在之前的文章中，我们已经了解了SCK算法的基础知识。在这篇文章中，我们将通过完整构建算法的方式，来对SCK进行进一步的学习。

Credit:

本文中所引用的研究来自：

王芳芳，陈华 《动态背景下的视频目标跟踪》，硕士学位论文

在之前的文章里，我们已经进行了SIFT，CBWH和卡尔曼滤波的基础知识的学习。在这篇文章中，我们将进行SVM的简单梳理，因为SVM的有关内容应用非常广泛，且在我们要实现的算法中并不是主要部分，所以不深入探究。

在之前的文章里，我们完成了SIFT和CBWH方法的基本学习。在之后的这一系列文章中，我们将进行卡尔曼滤波的学习。

Credit:

本文中所引用的研究来自：

王芳芳，陈华 《动态背景下的视频目标跟踪》，硕士学位论文

以及源自互联网的大量信息与课程整理。

在之前的文章里，我们学习了均值漂移的基本方法，在这篇文章里，我们从BWH方法入手，继续学习CBWH方法。 Credit:

本文中所引用的研究来自：

J. Ning, Robust mean-shift tracking with corrected background-weighted histogram, DOI: 10.1049/iet-cvi.2009.0075

王芳芳，陈华 《动态背景下的视频目标跟踪》，硕士学位论文

Kernel-Based Object Tracking, DOI: 10.1109/TPAMI.2003.1195991

成伟，柴毅 《均值漂移算法在视频目标跟踪中的应用》，硕士学位论文

在之前的文章里，我们学习了CBWH方法的一些基础知识，在这篇文章里，我们将继续学习CBWH方法。 Credit:

本文中所引用的研究来自：

J. Ning, Robust mean-shift tracking with corrected background-weighted histogram, DOI: 10.1049/iet-cvi.2009.0075

王芳芳，陈华 《动态背景下的视频目标跟踪》，硕士学位论文

Kernel-Based Object Tracking, DOI: 10.1109/TPAMI.2003.1195991

成伟，柴毅 《均值漂移算法在视频目标跟踪中的应用》，硕士学位论文