1. 基于机器学习的目标跟踪算法和传统的目标跟踪算法相比，有什么优点
benchmark 2015版：Visual Tracker Benchmark 不过这些算法都比较新 要看老的话主要是06年这篇paper 和09年有一篇暂时忘记paper名字了
古老的方法比如optical flow，kalman filter(后面的particle filter)……了解不多不瞎扯了
目前tracking主要是两种，discriminative 和 generative，当然也有combine两个的比如SCM。你提到的都是前者，就是算法里面基本有一个classifier可以分辨要追踪的物体。这类除了你说的最近比较火的还有速度极占优势的CSK（后来进化成KCF/DCF了）
另一种generative的方法，大致就是用模版（或者sparse code）抽一堆feature，按距离函数来匹配。L1，ASLA，LOT，MTT都是。
最近才开始了解tracking，所以说得可能并不是很对，仅供参考
2. error C2871: “FFTTools”: 具有该名称的命名空间不存在
在using namespace std;之前加#include<iostream>
3. 多目标跟踪 kcf怎么设计程序
之前写过一些tracking的东西，把最近看的比较流量的算法写一下：个人觉得值得仔细研究的tracking算法包括： Mean-shift, Particle Filter, Ensemble Tracking TLD, 压缩感知跟踪，KCF Tracker及其改进 速度慢于50fps的跟踪算法就没有必要搞了，...
4. 计算机视觉中，目前有哪些经典的目标跟踪算法
古老的方法比如optical flow，kalman filter(后面的particle filter)……了解不多不瞎扯了
目前tracking主要是两种，discriminative 和 generative，当然也有combine两个的比如SCM。你提到的都是前者，就是算法里面基本有一个classifier可以分辨要追踪的物体。这类除了你说的最近比较火的还有速度极占优势的CSK（后来进化成KCF/DCF了）
另一种generative的方法，大致就是用模版（或者sparse code）抽一堆feature，按距离函数来匹配。L1，ASLA，LOT，MTT都是。
最近才开始了解tracking，所以说得可能并不是很对，仅供参考
5. 比较耗时的跟踪算法有哪些
之前写过一些tracking的东西，把最近看的比较流量的算法写一下：个人觉得值得仔细研究的tracking算法包括：
Mean-shift, Particle Filter, Ensemble Tracking
TLD, 压缩感知跟踪，KCF Tracker及其改进
速度慢于50fps的跟踪算法就没有必要搞了，基本上没有可能做到实时的。
6. 计算机视觉中，目前有哪些经典的目标跟踪算法
目前tracking主要是两种，discriminative和generative，当然也有combine两个的比如SCM。你提到的都是前者，就是算法里面基本有一个classifier可以分辨要追踪的物体。这类除了你说的最近比较火的还有速度极占优势的CSK（后来进化成KCF/DCF了）
7. 计算机视觉中，目前有哪些经典的目标跟踪算法
tld， 这个比较好用，但是性能不高， 如果不考虑纯软件实现可以用用
8. opencv里kcf怎么判断跟丢
KCF跟踪出来之后会有一个最大响应值，那么可以给这个响应值设一个阈值，大于则个阈值的则视为跟踪成功，否则为失败。
9. 目标跟踪kcf中所求的权重系数w作用是什么
权重：是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。权重是要从若干评价指标中分出轻重来，一组评价指标体系相对应的权重组成了权重体系。 权重系数：是表示某一指标项在指标项系统中的重要程度