靜態(tài)背景：只動(dòng)目標(biāo)
動(dòng)態(tài)背景：動(dòng)目標(biāo)和camera；復(fù)雜相對(duì)運(yùn)動(dòng)
靜態(tài)背景：
1. 背景差分：先獲得背景后根據(jù)差值取閾得圖像（背景影響較大）
背景獲得：（1）時(shí)間平均
（2）參數(shù)建模
陰影消除：色度值代替亮度值；
2. 幀間差分：相鄰兩幅圖差值進(jìn)行計(jì)算獲得運(yùn)動(dòng)物體位置與形狀（部分信息，不適用于運(yùn)動(dòng)緩慢物體）
3. 光流法：帶有灰度的像素點(diǎn)在圖像平面上運(yùn)動(dòng)產(chǎn)生的瞬時(shí)速度場(chǎng)（最復(fù)雜，不適于實(shí)時(shí)估計(jì)，抗噪性差）
動(dòng)態(tài)背景：
基于塊的運(yùn)動(dòng)估計(jì)與補(bǔ)償：假定同一圖像塊上運(yùn)動(dòng)矢量相同，通過(guò)像素域搜索得到最佳運(yùn)動(dòng)矢量估算。
關(guān)鍵技術(shù)：（1）匹配法則：最大相關(guān)，最小誤差
（2）搜索方法：三步搜索，交叉搜索
（3）塊大小確定：分級(jí)，自適應(yīng)
Tracking：通過(guò)目標(biāo)有效表達(dá)尋找最佳相似目標(biāo)。
目標(biāo)特征：（1）視覺(jué)特征：邊緣，輪廓，形狀，紋理，區(qū)域
（2）統(tǒng)計(jì)特征：直方圖，各種矩特征
（3）變化系數(shù)特征：傅里葉描繪子，自回歸模型
（4）代數(shù)特征：圖像矩陣的奇異值分解
相似度度量算法（匹配法則）：歐氏距離，街區(qū)距離，棋盤(pán)距離，加權(quán)距離，巴特查理亞系數(shù)，Hausdorff距離。（歐氏距離最簡(jiǎn)單）
搜索算法：預(yù)測(cè)下一幀物體可能存在的位置。kalman濾波，擴(kuò)展的Kalman濾波，粒子濾波。
Kalman算法：線性最小方差估計(jì)。通過(guò)狀態(tài)方程和觀測(cè)方程來(lái)預(yù)估。無(wú)偏，穩(wěn)定，最優(yōu)。
粒子濾波算法：非線性，非高斯系統(tǒng)。遞歸方式進(jìn)行處理，節(jié)省空間，有較好魯棒性。
均值漂移算法（Meanshift）：梯度優(yōu)化，非剛性目標(biāo)，非線性運(yùn)動(dòng)目標(biāo)，變形，旋轉(zhuǎn)均可。
連續(xù)自適應(yīng)均值漂移算法（Camshift）：基于Meanshift，結(jié)合色彩信息。可有效解決變形和遮擋問(wèn)題。
分類：（1）基于主動(dòng)輪廓追蹤（Snake模型）：定義可變形Snake曲線，通過(guò)對(duì)其能量函數(shù)最小化，使其輪廓逐漸變成與目標(biāo)輪廓一致。跟蹤可靠性增加，但計(jì)算量較大，并且對(duì)快速運(yùn)動(dòng)或形變較大物體跟蹤情況不理想。
（2）基于特征的跟蹤：
特征提?。禾卣鳎河兄庇^意義，有分類意義，計(jì)算相對(duì)簡(jiǎn)單，有圖像平移旋轉(zhuǎn)尺度變換等不變性。主要有顏色，紋理邊緣，塊特征，光流特征，周長(zhǎng)面積，質(zhì)心，角點(diǎn)。
特征匹配：基于二值化、邊緣特征、角點(diǎn)特征、灰度、顏色特征匹配。
對(duì)尺度、形變、亮度變化不敏感。只要有一部分特征能被提取就可以。但對(duì)噪聲敏感，連續(xù)幀間關(guān)系難以確定。
（3）基于區(qū)域的追蹤：得到人為或圖像分割的矩形或不規(guī)則圖形模版，再用算法跟 蹤目標(biāo)。費(fèi)時(shí)，未被遮擋時(shí)精度很高，目標(biāo)變形或有遮擋精 度下降。
（4）基于模型的追蹤：通過(guò)先驗(yàn)知識(shí)建立模型，然后追蹤，適用于剛體。不易受觀 測(cè)視角影響，有較強(qiáng)魯棒性，抗干擾能力較強(qiáng)，計(jì)算復(fù)雜， 實(shí)時(shí)性較差。
