目标跟踪1

1、目标跟踪问题概述

1.1目标跟踪系统流程

  可分为目标检测、目标建模和目标跟踪三个阶段。

  在目标跟踪过程中，当目标出现在视频中的第一帧图像时，需要通过一个目标检测算法提取目标，或者是通过人工选择感兴趣区域作为目标，对目标进行描述并提取目标特征；接下来在后续图像帧中对目标进行建模，包括 目标的表观模型和运动模型；最后再跟踪阶段需要 完成目标状态估计和目标模型更新的任务。

1.2目标建模

1.2.1 目标跟踪的挑战

目标跟踪的主要挑战是两种离散的不确定性：量测起源的不确定性和目标啊运动模型的不确定性。前者是指由传感器提供的数据可能是外部的干扰数据，它可能是杂波、或相邻目标所引起的，也可能是被跟踪目标自身变化引起的。后者是指目标在未知的时间段内做出已知或未知的行为。

1.2.2两种模型

解决量测起源的不确定的方法是对目标的表观模型进行建模。目标的非机动运动方式和机动运动方式可以通过建立运动模型来描述。

目标的表观模型用来估计候选状态属于被跟踪目标的概率。常用的特征描述包括灰度、颜色、纹理、超像素以及稀疏编码模型等。根据建模方式的不同可以分为生成模型和判别模型。前者在当前帧中选择最相似的或者重建误差最小的图像区域作为候选目标。典型算法有基于核的跟踪方法和基于子空间的跟踪方法等；后者把目标和背景看作二分类问题，它将分类器输出的极大值对应的图像区域作为候选目标，常见的判别模型有Adaboost、SVM等，两类算法都需要对表观模型进行在线更新，对于生成模型需要在线或者增量式的更新模板或者表示目标特征向量；对于判别模型，需要使用新到来的正负样本更新分类器，使分类器根据表观的变化具有自适应能力。

目标的运动模型就是对目标的运动过程进行建模，来准确描述目标的运动规律，同时在每一帧中利用目标先验知识对目标可能出现的状态进行预测，将目标的跟踪作为一个在得到目标量测条件下对目标当前状态进行更新的过程

1.3目标的表示与描述

目标可以被定义为任何感兴趣的像素的集合，目标的描述形式可以分为两类：形状描述和表观描述，常用的形状描述为点、几何形状、侧影和轮廓、骨架模型等。表观描述方法除了传统的目标表观的概率密度、特征模板、活动表现模型、核函数等，基于子空间、稀疏表示和分类器等表观模型的描述方法现已逐渐成为研究热点。

1.4 目标跟踪算法分类 

根据目标模型不同可以分为基于模型驱动的方法和基于数据驱动的方法。

参考文献

谢凤英，等. 数字图形处理及应用[M].北京：电子工业出版社，2014.6,408-411