利用吸收态马尔科夫链进行基于超像素分割的目标跟踪【Superpixel-based Tracking-by-Segmentation using Markov Chains】

CVPR2017目标跟踪领域中的一篇，文章的亮点在于实现了基于分割的跟踪，博主刚好对这一方向比较感兴趣，所以解读一下文章。

相关文献：Superpixel-based Tracking-by-Segmentation using Markov Chains

首先介绍一下什么是 基于分割的跟踪。一般意义上的目标跟踪，就是在一个视频序列中，根据第一帧给出的目标，对目标在后续帧进行跟踪，传统的跟踪方法是用矩形框框出跟踪目标，如下：

而基于分割的跟踪，在找出目标的同时，还需要对目标进行分割，即找到目标的轮廓：

毫无疑问，基于分割的目标跟踪可以给出更精细的轮廓，提供目标更多的形状信息。但是，也比传统意义上用矩形框进行跟踪的方法更难实现。

接下来我们看看该文章是如何实现基于分割的目标跟踪的。

正如文章名一样，文章主要用了吸收态马尔科夫链（AMC， Absorbing Markov Chain）和超像素（Superpixel）两个概念实现了基于分割的跟踪。
超像素可以把像素级的图片划分成区域级的图片，每个区域内的像素具有相同的标签（前景或背景），这样在之后的分割中只需要对每个区域赋予标签，可以大大减少计算量。
吸收态马尔科夫链用来对超像素进行前后景分类。

吸收态马尔科夫链（AMC）

如图，在马尔可夫链中，称