初九-目标跟踪-点跟踪

点跟踪

跟踪问题可以用帧与帧之间检测到的目标点之间的关系来表达。点之间的关联问题的复杂性特别表现在遮挡、误检测、目标进出画面等情况。

总的来说，点关联的方法可分为两大类：确定性方法和统计性方法。前者通常用定性的运动限制方法，后者用目标检测和不确定性的建模来建立关联。

 

Deterministic Methods for Correspondence.

      确定性的方法定义了在一系列约束条件下，关联t时刻和t-1时刻图像帧中每个目标的成本。关联成本的最小化规划为一个优化组合问题。可以用最优分配方法求解，如匈牙利算法，贪婪搜索算法。关联成本的限制条件可以使以下条件的组合定义，这些条件同时适用于确定性和统计性的方法：

  Proximity - 假设目标位置在两帧之间没有明显变化

  Maximum velocity - 定义了目标速度的上限，即限制了目标周围可能的圆形关联邻域

  Small velocity change - 家丁目标的运动方向和速度没有明显变化

  Common motion - 假定在一个较小邻域内的目标们的速度相似

  Rigidity - 假设目标在3D世界中是刚性的，即真实目标上的两个点之间的距离保持不变

  Proximal uniformity - 是Proximity 和Common motion的组合约束

这些方法中较新较完善的是Veenman et al. [2001]和Shafique and Shah [2003]的算法。

 

Statistical Methods for Correspondence.

统计性方法在目标状态估计中考虑了观测噪声和模型不确定性，用状态空间方法建模速度、位置、加速度等目标属性。

  目标信息通常由一系列的状态表达：X^t：