特征：
如果目标快速變形，基于HOG的梯度模闆就跟不上了，
如果快速變色，基于CN的顔色模闆就跟不上了。
置信度名額:
高置信度更新：隻有在跟蹤置信度比較高的時候才更新跟蹤模型，避免目标模型被污染，減少模型漂移與更新次數，同時提升速度。
1）最大響應值：最大響應分數Fmax。
2）平均峰值相關能量(average peak-to correlation energy, APCE)：反應響應圖的波動程度和檢測目标的置信水準：（遮擋時波動劇烈）
3）峰值旁瓣比(Peak to Sidelobe Ratio, PSR)：
是峰值的響應值，
是旁瓣的 均值，
是旁瓣的标準偏差，旁瓣是峰值周圍11×11的視窗由相關濾波峰值：
在正常的跟蹤情況下，PSR的值在20-60之間，意味着強峰；當PSR的值降到7，意味着目标被遮擋了或者跟丢了
4）CSR-DCF的空域可靠性，用兩個類似名額反映通道可靠性：
各通道的最大響應峰值Fmax；
響應圖中第二和第一主模式之間的比率，反映每個通道響應中主模式的表現力，但需要先做極大值檢測：
peakvalue
https://blog.csdn.net/lidawei0124/article/details/80917697?utm_source=blogxgwz1
模闆更新政策：
固定學習率的線性權重更新，如果學習率太大，部分或短暫遮擋和任何檢測不準确，模型就會學習到背景資訊。
如果學習率太小，目标已經變形了而模闆還是那個模闆，就會變得不認識目标。
部分幀率比較：
Inter i3 CPU @ 3.70GHz, 8GB，64 位，沒有 GPU，軟體 MATLAB R2016a，在 OTB-100 上的結果
光流法(Lucas-Kannade)
光流法的原理：利用圖像序列中像素在時間域上的變化以及相鄰幀之間的相關性來找到上一幀跟目前幀之間存在的對應關系，進而計算出相鄰幀之間物體的運動資訊。
假設一：場景中物體被跟蹤的部分亮度保持不變；
假設二：運動相對于幀率是緩慢、連貫的數學表達指的是在上連續，可導；
假設三：相鄰的點保持近鄰δ鄰域内所有像素點的速度（U，V）相等；
論文推薦：
Correlation Filter(15 papers):
ASRCF/C-COT/CSK/DeepSRDCF/DMSRDCF/DSST/ECO/HCFT/KCF/LADCF/LCT/MHIT/MOSSE/SFRT/SRDCF
Classifier-based(19 papers):
ACT/ADNet/ATOM/CNN-SVM/CREST/DAT/DeepTrack/DiMP/DSLT/FasterMDNet/FCNT/MBMD/MDNet/Meta-Tracker/ROAM/STCT/TLD/UPDT/VITAL
Siamese Network(40 papers):
Cascaded-Siam/CFNet/CRPN/DaSiamRPN/DCFNet/DensSiam/DROL/DSiamM/DST/EAST/FlowTrack/GCT/GOTURN/GradNet/HASiam/Learning-to-update/LearnNet/MemTrack/MLT/PTS/RASNet/RFL/SA-DCFNet/SA-Siam/SATIN/Siam-BM/SiamDW/SiamFC/SiamMask/SiamPF/SiamRPN/SiamRPN++/Siam-tri/SiamVGG/SPM/StructSiam/TADT/THOR/UDT/UpdateNet
還有比較值得關注的長時跟蹤領域：
Long-term(8 papers)：DaSiamRPN/LCT/MBND/MMLT/MUSTer/PTAV/SPLT/TLD