一、理论
该方法的基本思想是将检测阶段获得的活动区域作为匹配的模板,在系统中设定一个匹配度量值;在相邻帧图像中,全图搜索匹配模板,匹配度量值取极值的位置就是最佳的匹配点。通常对于彩色图像序列而言,可采用基于颜色信息的匹配方法;而对于灰度图像序列而言,可采用基于特征和纹理信息的匹配度量方法。
匹配度量值和搜索算法是影响该类算法性能的主要因素。基于区域的跟踪方法还可以与多种预测方法(如Kalman 预测)相结合, 事先预测出目标在下一帧图像中可能的运动范围,从而减少目标搜索及匹配所需要的时间。如何处理目标的影子和遮挡问题,是该类算法的主要难点,有人提出利用彩色和纹理信息(因为阴影区是没有纹理信息的)解决这些问题。McKenna 等人利用场景中的颜色和梯度信息建立自适应的背景模型,使用背景减法获取目标的运动区域,可有效减少目标阴影的影响,目标跟踪过程在区域(regions)、人(people)和人群(groups)三个层次上进行, 该方法利用了区域跟踪。
二、总结
基于区域的跟踪方法由于其提取了相对完整的目标模板,与其它跟踪算法相比,能获得更多的目标信息(如形状、大小等),该类方法广泛应用于对比度较差或目标体积比较小的跟踪场合。该类方法虽然效果较好,但由于其是在全帧像素点上进行匹配和搜索,运算量较大,除非是有专门的硬件支持,不然这个算法是很花费时间的,这就导致该类算法很难直接应用于实时监控系统中;而且如果光照变化、大面积遮挡等因素影响导致目标的成像表面发生了明显的。