最近看了一些图像跟踪的Paper，于是图像跟踪系列开更了。开篇介绍的是一种经典的图像跟踪算法MIL（多实例在线学习），提出于2009年，该算法将track-by-detection推向了新高潮。
2006年以来，使用目标检测的方法来处理图像跟踪问题取得了良好的效果，这种方法处理图像跟踪问题相对于处理目标检测问题是有所不同的，处理目标检测问题要求使用的样本量很少，并且实时性要求较高，也就是需要在线学习，快速检测。MIL算法就是在目标周围选取正负样本，通过一种多实例在线学习的方法，训练弱分类器，并且选择合适的特征进行组合，形成强分类器。由于MILBoost的特点，该算法速度较快，并具备抗遮挡能力。
一、参考文献
二、处理流程
三、多实例在线学习
四、多实例在线学习使得算法具备一定的抗遮挡能力
五、算法细节之分类器
六、算法细节之特征选择
七、算法评价
上面是效果的评价，博主亲自测试了算法的速度。图片像素尺寸640*480，在i5-6600k（超频到4.24GHz），16G DDR4-2133，在如上条件下，未经过任何代码优化时，算法处理一帧的时间约为15ms，在经过简单的OpenMP优化时，MIL算法的速度接近5ms，这个速度是相当理想的。