Tracking的两大类别

通俗的来说，在tracking领域目前主要分为生成模型和判别模型两个分支，生成模型主要是如何描述目标，也可以理解为如何提取目标的特征来表达目标模型，如稀疏表达，增量PCA，sift特征等都是生成模型，这类分支在生成目标模型后对目标的跟踪是基于匹配思想的，和目标模型匹配度越高的则认为是当前帧的目标。
而判别模型则是传统的分类器思想，判断当前目标是（1）或不是（0）目标。目前很多先进的方法是把这两个分支的方法融合到一块。

结构SVM

和正常的SVM算法不同，结构SVM只有输入向量X，正常的SVM是输入X对应一个输出向量Y。在结构SVM中，每个输入向量（图像的特征：灰度等）对应一个状态量state：{x，y，angel，scale..}，但是这个状态量不作为输出特征。
在训练过程中，样本不在有正负样本的区别，所有的样本都是地位相同的，但是会有一个ground_truth。每个样本和这个ground_truth做相似性度量，得到相似度，越相似的样本评分越高，他们的排名就越靠前。在结构SVM中的优化目标和约束条件如下：

其中的Ф是核函数，Δ是这两个样本的相似性函数。因此结构SVM的最终优化是使得每个样本的排名都跟他们和ground_truth的相似度相吻合（只要排名顺序一致即可，相似性度量结果无关紧要）。
在测试阶段，给入一个向量X，结构SVM判断这些向量的排名rank，排名第一的向量认为是和当前样本X最相似的，因此把他的state：{x，y，angel，scale..}可以看做是当前样本的state。所以结构SVM能够直接获取特征X对应的state，而不再是传统的分类模型中的0,1,0,1….。

训练阶段正负样本的选取

在结构SVM中，没有正负样本之称，上一帧检测到的结果ground_truth，在其周围高斯采样样本，判断他们的相似性，得到rank，加入结构SVM中增量训练。

当前帧的结果怎么选取

根据上一帧检测到的结果ground_truth，在其周围高斯采样样本（这个采样和上一步训练阶段的采样可以相同也可以不同），对每个样本投入结构SVM中判断哪个样本能使SVM中训练阶段排名最高（上一帧的ground_truth）仍旧排名最高，那么这个样本就是这一帧的ground_truth。这一阶段采样越密，精度越高，但是耗时也就越长。

Tips：

文章[1]中的增量PCA的引入是为了消除特征之间的关联，把原始特征映射到子空间，之后又映射回原始空间来消除特征耦合，之后送入结构SVM中进行训练。
事实上，利用文章[1]提出的虚拟态state的框架，增量PCA可以替换成任意一个生成模型的算法。

参考：

【1】Online State-Based Structured SVM Combined With Incremental PCA for Robust Visual Tracking