了解CV和RoboMaster视觉组（五）目标跟踪：概述与光流法

--neozng1@hnu.edu.cn

5.4.目标跟踪

为了简化分析和学习过程，本文所指的目标跟踪皆为单目标跟踪。其任务是在给定某图像序列初始帧中的目标位置和范围（cx，cy，h，w）的情况下，预测后续帧中该目标（cx，cy，h，w）。

5.4.1. 基本实现方法和原理

目标跟踪的pipline大致如下：

1. 提取初始目标的特征

2. 根据输入的初始位置与范围在之后的帧中依据运动模型和其他准则生成诸多候选框

3. 根据某种准则由此目标的特征计算候选框的得分

4. 选择一个得分最高的候选框或对多个候选框进行信息融合进而得到最为下一帧的预测目标

从以上的流程我们可以把目标跟踪划分为几个不同的研究领域：候选区域的提案方式（用什么运动模型？）、初始目标和候选目标的特征提取、候选目标的评分机制、模型更新（如何在运行过程中学习对象的运动模型从而优化后续的跟踪效果）、融合预测值从而获得更好的结果。在现行的几种模型中，我们常根据pipelin中1、3的不同把目标跟踪算法分为生成式和判别式。

• 生成式的算法通过提取初始目标的特征构建一个表示模型用于描述目标的特征，在之后帧中用此表示模型来分析候选框，和初始目标进行对比从而得到得分。其本质上是一种模板匹配，在提取初始目标特征的时候得到一个用于匹配的模板，随后在候选区域上应用该模板进行匹配。

• 判别式模型则是将跟踪问题看作分类/回归问题，希望习得一个判断函数（映射），将候选框投入此映射得到分类或得分。其本质上是