光流跟踪总结

           从去年11月开始，开始使用opencv中的方法，通过角点检测和稀疏光流的方法来做跟踪。花费的时间主要是三大块： 程序的理解， 程序移植和重构。程序的设备优化。（dsp6467）,将我这几个月的收获和遇到的问题总结一下.

       光流跟踪的理论主要参考两个文章《Pyramidal Implementation of the Lucas Kanade Feature Tracker.pdf》 和 《Harris角点检测.ppt》（这两篇文章网上都可以找到， 为了方便大家，我已经上传到了我的资源了http://download.csdn.net/detail/wisdomfriend/7127023 ）角点检测用了shi-tomasi特征，网上说这个特征比harris特征好些，我测试的结果为这个特征检测到车辆上的点跟踪过程中不怎么晃动。金字塔生成如果采用简单抽样，跟踪效果就会很差， 可能是因为图像不平滑，泰勒展开的假设就不成立了。  程序的移植： dsp下核心循环去掉浮点，其它部分没有去浮点了。 如果跟踪速度慢，可以考虑对图像作降采样，可以考虑降低生成角点的个数。     

    检测到车辆后，检测车辆的角点，记录车辆的区域大小和宽高比。并进入跟踪。跟踪过程中由于考虑速度（最多跟踪15辆车）角点只减少不增加（这里有个“中直流跟踪”技术，算法速度要求不高的人建议看看）， 如果区域到达区域边界 或者角点消失 或者轨迹异常则结束跟踪。