一、理论    该方法的基本思想是目标可以用一组恒定不变的特征集合来表达。基于目标特征的跟踪方法，并不是将目标作为一个整体进行跟踪的，而是在连续帧图像中匹配并跟踪一组特征点(如边界线条、质心、角点等)。基于特征的跟踪方法主要包括特征的提取和匹配两个环节。    该类跟踪方法的主要优点是：即使场景中的目标出现了部分遮挡的情况，只要特征点可见，就可以实现对目标的持续跟踪。Niyog

一、理论    该方法的基本思想是使用一组封闭的轮廓曲线来表征目标，将曲线作为模板，在相邻帧的边缘图像中匹配并跟踪该模板。该方法与基于区域的跟踪方法相类似，都存在目标模板匹配和目标模板更新两个环节，但是该方法是在二值化图像中匹配目标的轮廓模板，大大减小了计算量，提高了匹配的速度。    主动轮廓模型方法是近些年来发展较快的一类轮廓匹配跟踪方法。 Michael Kass 等

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

一、概述    在实际的监控场景中，一般用三种模型来描述人的运动：线图模型(StickFigures Model) 、 二维轮廓模型 (2D Contours Model) 和立体模型(Volumetric Model)。    1、线图模型    线图模型法认为，人在场景中运动的实质就是人体骨骼的运动。因此可以将人的肢体用不同的直线来模拟。

一、原理       在有些场合由于需要检测目标的运动方向，判断是进入检测区域或是离开检测区域，因此需要设定警戒线。运动方向的判断一般通过检测目标的运动方向来判断。也就是运用运动估计的思想。运动方向坚持需要用图像的光流场估算图像的运动场，根据传统估算方法，需要对图像中的每一个象素进行计算，算出图像每一点的运动场，然后得到整幅图像的运动场，这样算法，计算量相当大，无法实时完成。我们采用基于块的运

一、概述    CamShift算法，全称是 Continuously AdaptiveMean Shift，顾名思义，它是对Mean Shift 算法的改进，能够自动调节搜索窗口大小来适应目标的大小，可以跟踪视频中尺寸变化的目标。它也是一种半自动跟踪算法，需要手动标定跟踪目标。基本思想是以视频图像中运动物体的颜色信息作为特征，对输入图像的每一帧分别作 Mean-Shift 运

一、概述    Mean-Shift,即均值向量偏移，该理论是一种无参数密度估计算法，最早由 Fukunaga 等人于1975年提出。cheng等人对基本的 Mean-Shift 算法进行了改进，一方面将核函数引入均值偏移向量，使得随着样本与被偏移点的距离不同，对应的偏移量对均值偏移向量的贡献也不同；另一方面，设定了一个权重系数，使得不同的样本点重要性不一样，这大大扩大了 Me