Kalal的Predator追踪器从自身失误中学习，可追踪任何物体

2011年的计算机视觉物体追踪通常意味着对固定外观的短暂跟踪：移动相机、旋转物体或让它离开画面，追踪器就会丢失目标。演示没有提供的是，一个能追踪摄像头看到的几乎任何东西（一旦选中）并在运行中不断改进的追踪器。

Zdenek Kalal是英国萨里大学的捷克博士生，他构建了Predator作为博士研究的一部分，并在视频中演示：他仅选中自己的手指一次，系统随后几乎完美地追踪他的手，从运动中学习，使追踪在会话中不断改进。文章指出，短时间训练就能教会同一系统追踪指尖、面孔或高速公路上疾驰的汽车。

根本选择是让追踪器在使用中学习，而不是在构建时固定。演示被描述为一种从错误中学习的算法，大学网站上发布的十二个视频和代码让任何人都能观看行为并自行验证这一说法。

文章将这一结果视为免提界面的途径：如果算法嵌入操作系统，额头上的点、指尖或移动的头部就能控制计算机，无法用手的人也能获得界面。演示于2011年4月3日登上Hacker News，获得460点积分和76条评论，Kalal并获得“无处不在的技术”奖项。

一次点击启动追踪器；每次失败都实时训练它

学习在使用过程中进行，因此精度在播放视频时不断提高，而不是随着物体变化而下降。

一次点击定义目标，因此同一算法可以跟踪手指、面孔或汽车，无需为每个物体建立新模型。

由于它能从摄像头显示的图像（包括自身的失误）中学习，短时间内训练即可适应尺度、方向和可见性的变化。

发布演示视频和代码将一个博士项目变成成千上万工程师可以观看和探索的东西，这正是传播该思想的关键。

当系统必须处理从未预先训练过的物体时，让它从自身的运行失误中学习，而不是提供固定模型：实时反馈将每次失败转化为下一次改进。

2011年4月，Predator进入技术受众视野，在Hacker News上获得460点积分和76条评论。读者找到Kalal在萨里大学的页面，注意到该算法背后的论文，并看到标榜为免费获取的代码当时仅在GPL通知下通过电子邮件按请求发布，这遭到一些评论者的质疑。其他人探寻其可能失效的情况，例如指尖藏在手后。文章记载了一项“无处不在的技术”奖项，并预见通过移动头部操控的界面；在这些资料中未提及商业产品或实际应用。