最近在看David Ross的Incremental Learning for Robust Visual Tracking，下面把自己的一點心得體會寫一下，以后會不斷補充，還希望多批評指正交流，謝謝！
1.IVT是基於粒子濾波框架的
2.增量子空間
遇到的問題：1.現在想先把Ross文中提到的incremental PCA algorithm 用基於opencv的代碼給實現了。在做矩陣的QR分解時用到opencv的cvQR（）函數，但結果貌似不對，和matlab仿真的結果有很大的出入，目前還沒與找到好的qr算法。
解決方法：用cvQR（）大概就是為了得到矩陣的正交基，無意間在網上看到一個利用施密特正交化來求正交基的程序，測試了一下效果還可以，查了一下opencv中也有這個函數，即void GramSchmidt(const CvMat* src, CvMat* dst)，不過它是對行向量進行正交化的，而文中好像是要對列向量進行正交化，於是改寫了這個opencv函數，具體效果要等增量PCA算法寫完后進行測試了。
2.目前已把PCA的方法放到粒子濾波的框架里了，只是沒有實現增量更新的過程，目前對重構誤差方面還不是太熟悉，也就是對構建最后的目標函數還是比較模糊，只是調用了opencvx里的cvpcadist（）函數，放到粒子濾波里還是有點問題。不知道有人在研究這方面沒，現在主要的問題是對於已求出來的特征向量U，對下一幀的每個候選目標區域，如何計算每個區域與上一幀目標的相似度。下一步將着重研究一下這個問題。