目标跟踪方法--基于区域跟踪

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。