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

在之前的文章里，我们学习了SIFT描述法和利用SIFT进行特征点匹配的方法，在之后的这一系列文章里，我将开始学习CBWH方法，这一方法相较于SIFT，国内的资料较少，我会尽量从多个来源收集合适的研究，来更清楚的认识这一算法。

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

在上一篇文章中，我们讲到了寻找并过滤极值点，在本次的学习中，我们将继续关注SIFT特征点提取，重点关注怎样从特征点生成可以匹配的描述子。

最近在知乎上看到一个问题，问的是，火绒的用户体验到底怎么样，该不该卸？刚好有时间，就这个问题发表一点我自己的看法，若有错误，还望指正。

上一篇文章中，我们讨论了构建高斯差分尺度空间的基本操作，在这片文章中，我们将继续学习SIFT特征的知识。

Credit:

本次学习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

上一篇文章中，我们讨论了卷积和初始化GSS（高斯尺度空间）的操作和含义，在这片文章中，我们将继续学习SIFT特征的知识。

Credit:

本次学习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

因为最近刚好有时间，把之前的项目整理了一下，整合成了P.E.M.P.W.S.项目。考虑到项目的实用性，准备给上面加上目标追踪的功能。在经过一番寻找之后，发现这一方面公开的研究比我想象中的要少许多，所以只能自己从头来。我找到了一篇论文，并且准备尝试复现论文中描述的算法，作为一个入门。这一系列博客，也方便我整理这一段时间的所学。博客将不定时更新，跟进我的学习进度。因为是第一次做图像追踪和机器视觉方面的内容，若有错误，还望指正。 Credit: 本次学习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

P.E.M.P.W.S. 项目简介

今天上午，在半个小时的研究和折腾（中间还重来了两次）之后，我终于成功的在GitHub上建立了自己的第一个博客。这篇博文，也是我第一篇博文，不说别的，就简单的谈一下这个博客的目的，维护，还有之后的一些打算吧。