visual tracking 入门理解

visual tracking 入门理解

视觉跟踪：对运动目标的跟踪

应用场景：导弹的制导（比如想轰炸某个桥），周界防范；

技术方法：

第一次的理解：参考《视觉跟踪新方法及其应用研究_夏瑜》，不同的作者理解会不一样，有偏差，所以不一定对

1、基于检测的方法

帧差法：两帧之间做差，适用于背景不变，目标运动的情况，鲁棒性不好

背景差分法：建立背景模型，减去背景

运动场估计

2、基于匹配的方法

区域匹配：根据区域的相似度匹配，目标的外形，尺寸，姿态等变化，鲁棒性不好，搜索量大

特征匹配：在区域的基础上，提取出特征表述（比如角点、边界、质心），鲁棒性比区域匹配好；最典型的是均值漂移的方法，mean-shift，建立代价函数表征候选目标与目标模型的代价值，通过求解代价函数，找到目标位置。代价函数利用的特征有：颜色特征等

变形模板：比如对轮廓建立参数模型，将变形定义为能量函数，通过对能量函数的优化实现轮廓匹配，对于部分遮挡的鲁棒性高，计算量小，最大的弱点是初始化轮廓困难

基于模型：利用先验知识，建立比如线图模型，2D模型，3D模型，能够可靠跟踪，但是缺点是建立三维目标需要大量参数，计算量大

3、基于滤波的方法

滤波就是根据目标当前和以前的观测值来估计下一步的最可能状态

4、基于融合的跟踪

多特征的融合

多模型的融合

多算法的融合：比如通过背景差分的方法提取前景目标，再通过匹配的方法跟踪，前景提取后能够极大的减少匹配的计算量，匹配又能够对提取的前景进行后处理，除掉误检的目标

第二次理解：参考《视觉跟踪算法综述_杨戈》

视觉跟踪方法：

1、基于区域的跟踪：首先从视频帧中分割出object，然后将连续帧的object关联起来；对多目标场景的效果较好，不能可靠处理对象之间的遮挡，只能获得区域信息，无法获得object的3D知识和轮廓

2、基于模型的跟踪：通过先验知识建立模型，通过图像数据与模型的匹配实现跟踪对象；有较好的健壮性，能够较好处理对象间互相遮挡和干扰的情况；可以利用表面、轮廓等先验知识

3、基于特征的跟踪：通过提取对象的高级特征描述，在连续帧间匹配特征，实现对object的跟踪；好处在于即使发生局部遮挡，对象的局部特征仍然可见

4、基于主动轮廓的跟踪算法：.......

视觉跟踪比较经典的算法有：meanshift,ivt,l1,mit,cv等