一些关于目标追踪的学习体会

一些关于目标追踪的学习体会

Author: 疯子_007

关于目标追踪，经过导师和朋友们的推荐与帮助，我阅读了一些很经典的论文：在综述上关于目标追踪我仔细阅读了Alper Yilmaz的“Object tracking A survey”，以此而衍生的看了一些我认为很重要并且很有意思的参考文献。再看目标追踪这篇综述的时候，需要了解一些关于不变量的知识，后来我也仔细阅读了Tinne Tuytelaars & Krystian Mikolajczyk的“Local Invariant Feature Detectors A Survey”。但是这些不变量，很多是基于尺度不变的。所以我又仔细阅读了Tony Lindeberg的“Scale-space theory: A basic tool for analysing structures at different scales”，我后来也参考了很多书和论文，写出了自己理解的高斯尺度空间综述，由于尺度空间可以有不同的表述，但是以高斯函数做的核的尺度空间跟人们现实中的所理解的尺度最相似，所以我就写了基于PDE的高斯尺度空间综述。

通过看《计算机视觉与模式识别》等书，和在网上找的一些硕士毕业论文，比如上海交大施鹏的“局部特征描述子算法研究”，北京交通大学胡文锦的“图像边缘检测方法研究”等。发现要对一个物体目标进行匹配，首先是要采用合适的特征，就是有效对外表，特征建模。基本上常用的特征表述为颜色，边界，光流量，纹理。而常用的检测方法为特征提取，图像分割和背景消除。

对于特征提取，我画出以下图来描述，这些算法是我所熟悉的算法一些总结，当然肯定还有一些算法我没有归结进来，如图一。他们之间的划分也没有明确的定义，比如LOG（拉普拉斯-高斯）也可以做为边缘检测，而DOG也可以作为其他算法的一部分，比如Canny。还有一些算法，比如Harris算法，如果跟仿射相关联，就是一种新的算法叫Harris-Affine。还有一些跟拉普拉斯结合的。在inne Tuytelaars & Krystian Mikolajczyk的论文中，他们把特征分为角点，块和区域。不过我觉得我下面的划分更能体现特征提取的。边缘和轮廓是不同概念的：边缘可以认为是物体的边缘，是个整体概念；但是轮廓，我们可以认为一个人的某一部分比如脸部，可以当做一个轮廓的。

 

图一 常见的特征提取算法

因为点的检测是最简单，也是研究比较完善的。基于RST不变的特征点的检测，最好的办法应该是sift，不过在2009年底，新提出的ASIFT算法有更好的RST不变性。基于这些特征点，进行匹配。这里实验我所用的模板图片是图2，我实验的环境是VS 2008+openCV。在这里我主要是编程实现Harris和SIFT