視頻跟蹤：基于對比度分析的目標跟蹤、基于匹配的目標跟蹤和基于運動檢測的目標跟蹤
? ? ??基于對比度分析的目標跟蹤：主要利用目標和背景的對比度差異實現(xiàn)目標的檢測與跟蹤。這類算法按照跟蹤參考點的不同可以分為邊緣跟蹤# 形心跟蹤和質(zhì)心

? ? ? ? ? ??跟蹤等。這類算法不適合復雜背景中的目標跟蹤"但在空中背景下的目標跟蹤中非常有效。

? ? ? ??

? ? ?基于匹配的目標跟蹤：主要通過前后幀之間的特征匹配實現(xiàn)目標的定位。? ? ? ? ?

? ? ? ? ? 特征匹配：特征是目標可區(qū)別與其他事物的屬性， 具有可區(qū)分性、可靠性、獨立性和稀疏性。基于匹配的目標跟蹤算法需要提取目標的特征，并在每一幀中尋找該特征。

? ? ? ? ? ? ? ?尋找的過程就是特征匹配的過程。目標跟蹤中用到的特征主要有幾何形狀、子空間特征、外形輪廓和特征點等， 其中特征點是匹配算法中常用的特征。目標特征的變

? ? ? ? ? ? ? ?化具有隨機性。這種隨機變化可以采用統(tǒng)計數(shù)學的方法來描述。直方圖是圖像處理中天然的統(tǒng)計量。因此彩色和邊緣方向直方圖在跟蹤算法中被廣泛采用。? ?

? ? ? ?? 貝葉斯跟蹤：目標的運動往往是隨機的，這樣的運動過程可以采用隨機過程來描述。隨機過程的處理在信號分析領域較成熟，其理論和技術（如貝葉斯濾波）可以借鑒到目標跟蹤中。

? ? ? ? ?核方法：核方法的基本思想是對相似度概率密度函數(shù)或者后驗概率密度函數(shù)采用直接的連續(xù)估計，這樣處理一方面可以簡化采樣， 另一方面可以采用估計的函數(shù)梯度有效定位采樣粒子。

? ? ? ? ?采用連續(xù)概率密度函數(shù)可以減少高維狀態(tài)空間引起的計算量問題， 還可以保證例子接近分布模式，避免粒子退化問題，核方法一般都采用彩色直方圖作為匹配特征。

? ? ? ??

? ? ? ??基于運動檢測的目標跟蹤：主要根據(jù)目標運動和背景運動之間的差異實現(xiàn)目標的檢測和跟蹤。基于運動檢測的目標跟蹤算法通過檢測序列圖像中目標和背景的不同運動來發(fā)現(xiàn)目標存在的區(qū)域，

? ? ? ? ? ? ? 實現(xiàn)跟蹤。這類算法不需要幀間的模式匹配，不需要在幀間傳遞目標的運動參數(shù)，只需要突出目標和非目標在時域或空域的區(qū)別即可。這類算法具有檢測多個目標的能力，可用于多目標檢

? ? ? ? ? ? ? 測和跟蹤，這類運動目標檢測方法主要有幀間圖像差分法，背景估計法，能量積累法，運動場估計法等。

? ? ? ? ? ? ? ? ? 光流算法是基于運動檢測的目標跟蹤的代表性算法 ，光流是空間運動物體在成像面上的像素運動的瞬時速度，光流矢量是圖像平面坐標點上的灰度瞬時變化率，光流的計算利用圖像序列

? ? ? ? ? ? ?中的像素灰度分布的時域變化和相關性來確定各自像素位置的運動。研究圖像灰度在時間上的變化與景象中物體結(jié)構(gòu)及其運動的關系，將二維速度場與灰度相聯(lián)系。引入光流約束方程，

? ? ? ? ? ? ?得到光流計算的基本算法。根據(jù)計算方法的不同，可以將光流算法分為基于梯度的方法，基于匹配的方法，基于能量的方法，基于相位的方法和基于神經(jīng)動力學的方法。

? ? ? ? ? ? ? ? ? ??

? ? ? ? ? ? ? ? ??前兩類方法都是對單幀圖像進行處理，基于匹配的跟蹤方法需要在幀與幀之間傳遞目標信息，對比度跟蹤不需要在幀與幀之間傳遞目標信息， 基于運動檢測的跟蹤需要對多幀圖像進行處理。

? ? ? ? ? ?
另參考：http://www.cnblogs.com/zjb0823/p/3806333.html

?

轉(zhuǎn)載于:https://www.cnblogs.com/573177885qq/p/4376195.html

總結(jié)

以上是生活随笔為你收集整理的视频目标跟踪算法综述的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。