从谷歌下载的用于人脸、车牌等训练的负样本集合，总共2000多张各式各样的图片，负样本集合差异明显，非常适合训练。

MIT行人数据库，共924张行人图片，原来是PPM格式，很多人找不到转换工具，这里已转换成JPG。该数据库只含正面和背面两个视角，无负样本，未区分训练集和测试集。-MIT pedestrian dataset of JPG format, for pedestrian detection application.

使用滑动窗的人脸检测，滑动窗口能够独立地对图片块进行分类，以确定是否属于被检测目标。内容如下： 1)载入正样本训练集（人脸），并将其转化为HoG特征 2)载入负样本训练集（没有人脸的任意场景），也将其转化为HoG特征 3)使用SVM，对分类器进行训练，训练集包括正训练集和负训练集 4)使用训练好的分类器，在不同的尺度上，对测试集进行分类 -Face detection with a sliding window.

KCF是一种鉴别式追踪方法，这类方法一般都是在追踪过程中训练一个目标检测器，使用目标检测器去检测下一帧预测位置是否是目标，然后再使用新检测结果去更新训练集进而更新目标检测器。而在训练目标检测器时一般选取目标区域为正样本，目标的周围区域为负样本，当然越靠近目标的区域为正样本的可能性越大。(KCF is a novel tracking framework that utilizes properties of circulant matrix to enhance the processing s