一、概述
這是我在做手勢識别的時候，在解決手勢畫面提取的時候看的一篇paper，這裡關鍵是使用了動态規劃來作為跟蹤算法，效果是可以比拟cameshift和kf的，但在occlusion,gaps或者離線tracking的時候做的很好。
二、算法步驟
step1：對于時間的t的frame如X_t的每個pixel（x,y），首先計算出一個score q(t,x,y)，稱為local score，這個後面會說，score function是由你自己來選擇的，然後需要算出一個Q（t,x,y），也就是global score，Q（t，x，y）是截止到時間t的（x,y）處的best tracking的分數總和（個人了解就是最大的score的路徑的選擇），是以這裡用了dp 的思想，也就是對于Q（t,x,y），它的最優值，基本上肯定是由Q（t-1,x',y'）過來的，x',y'是x,y的neighborhood。
這裡對照論文的兩個公式基本可以看明白，然後論文裡面在計算的時候加了L2的正則優化，畢竟優化方法加正則不說說說而已.........原因也很簡單，(x,y)和(x',y')的距離不可能太大，因為物體是連續運動的。
step2：這裡就是利用上面的得到的Q(t,x,y)和B(t,x,y)來做 traceback，最後reconstruct出來最好的路徑.
用動态規劃的跟蹤方法有個問題，就是他一般是限定了他的tracking size，不然的話，計算量會很大，是以這裡還提出了兩個trick
1、一個點(x,y)隻有在滿足 Q(t,x,y) > max(Q(t,x,y))−T0 的時候才被考慮作為t+1時候的
predecessor，這裡T0是一個自己設定的參數
2、利用上面的方法和jump penalty function來做局部調整，這樣可以做到一個adaptive的視窗
三、Score function
簡而言之就是為你區分image之間的不同的時候選出一個合适function，這裡論文中現提出了一個簡單的Motion information Scor function，這是計算一個size裡面的pixel的value的和。接下來說了Eigenfaces and skin Color Score Function，其實也都隻是你在實際場景的時候一個自己的權衡，後一個的關鍵點就是你可以選擇兩個score function，最後用一個w權重作為超參數來做就行了
四、總結
後面還講了利用HMM做recognition和tracking的融合，說實話，沒看懂...有機會再看看吧。