Staple Algorithm
C++ implementation of staple algorithm for object tracking.
由于最近在做DSST和STAPLE算法跟踪效果的比较（使用自己的数据集），所以整理一下如何使用C++环境跑STAPLE：
Step1： 这里感谢贡献C++代码的大神 xuduo35
源码地址：https://github.com/xuduo35/STAPLE
Clone源码之后，使用CMakeList创建自己的sln解决方案，我这里使用的是CMake3.14.2，source code = (where is your source code); where to build binaries = (create a new folder named: bin in your source code url)
然后就是加载必要的库，这里用到的肯定就是OPENCV…知道自己opencv在那里吧？…反正就是很麻烦…
然后Configure->Generate->Open Project一气呵成
Step2: 之后我们打开工程文件之后找到main.cpp，大神这里把全部的追踪以及训练等方法都写到了main里面，虽然没有DSST封装的好，但是对于初学者很友好…毕竟找东西很方便…
记得提前配置乱糟糟的opencv库什么的，这里我就不赘述了…我也述不明白
下面带大家了解一下代码里的具体结构：
groundtruth文件是一个包含了第一帧跟踪框坐标的txt文件，
其中坐标数据为float型数据，并且顺序为A->C->B->D,实际上程序中使用的仅有A点坐标和矩形的长和宽。
因为要进行两个算法效率的对比，所以需要把数据导出，方便日后的数据分析，这里我在训练循环外创建了一个csv文件用于存储相关的测试数据。
下面就是跟踪可视化的环节：
没了…
最后的跟踪效果是：
结论
实际上STAPLE算法考虑到相关滤波器模板类特征HOG对于形变不敏感的缺点，结合颜色直方图的特征使得STAPLE面对运动目标发生形变以及运动模糊都十分鲁棒，所以相当于是DSST算法的加强版，采用了Learning the template socre(HOG) + learning the histogram score（simple color histogram） 特征融合的方法，通过线性组合实现。通过一个跟踪框的测试，我们得到的STAPLE算法的FPS值达到60，这意味着一秒60帧的效率，还是非常可观的，但是因为测试需要多个跟踪框同时进行，在没有多线程的情况下，FPS达到15左右，实际上和控制变量情况下的DSST算法效果差不多(DSST 大约在20-30之间）。但是通过其他比赛用数据集的测试我们得出结论是STAPLE在精度上高于DSST算法，但是速度仍比较欠缺，而FCT速度更快，但精度更低。
Reference
xuduo35.(2018).C++ implementation of staple algorithm for object tracking.Retrieved from https://github.com/xuduo35/STAPLE