跟踪算法总结

一般将目标跟踪分为两个部分:特征提取、目标跟踪算法。其中提取的目标特征大致可以分为以下几种：

图像特征有颜色特征、纹理特征、形状特征、空间关系特征。    

 

　　1） 以目标区域的颜色直方图作为特征，颜色特征具有旋转不变性，且不受目标物大小和形状的变化影响，在颜色空间中分                 布大致相同。

             camshift算法 ：以hsv颜色空间色调h做直方图

          https://blog.csdn.net/issac12138/article/details/52841364

           直方图特征用数学统计方法提取目标的外观特征。举例说明提取过程：

对于一幅灰度图像，将灰度值从0到255等分为8个区间，然后遍历图像爱的每个像素，统计分别落入每个区间的像素的个数，最后将8个区间的像素个数除以像素总和进行归一化便得到直方图特征。

为了体现目标颜色的空间信息，可采用颜色空间二维直方图——将图像分割成若干个子区域，分别在各个子区域内统计颜色分布信息。将图像分割的块数越多越能体现目标颜色的空间信息，但是增大特征的存储空间，使跟踪心能下降。分块数目需要取合适的值。

 

　　2） 目标的轮廓特征，算法速度较快，并且在目标有小部分遮挡的情况下同样有较好的效果。

　　3) 目标的纹理特征，纹理特征较轮廓特征跟踪效果会有所改善。

 

 

 

 

 

 

https://blog.csdn.net/qq_32274259/article/details/79862051

 

 

 

二）常用的特征提取与匹配方法

       https://blog.csdn.net/h1yupyp/article/details/81039713

（1）颜色直方图

其 优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的 图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。最常用的颜色空间：RGB颜色空间、HSV颜色空间。颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。
（2）       颜色集

颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从 RGB颜色空间转化成视觉均衡的颜色空间（如 HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系

（3）       颜色矩

这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（mean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。

（4）       颜色聚合向量

其核心思想是：将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。

（5）       颜色相关图