1.基于核函数的灰度直方图目标跟踪算法虽然鲁棒性较强且具有一定的跟踪精度，并且对光照变化不敏感，但在目标与背景相近的时候很容易出现误跟踪。 2.基于核直方图的目标跟踪算法其具有特征稳定，抗部分遮挡，计算方法简单核计算量小的特点。将其与均值平移算法结合，避免了全局穷举搜索，减少了运算量。
寿星图
3.利用图像的直方图信息结合核函数作为目标的特征对彩图像中的目标进行了跟踪。4.基于主动轮廓线模型的跟踪方法：通常的获取目标边缘的方法为：先进行灰度分割得到目标，然后提取目标轮廓边缘；或是对图像作梯度运算获取边缘，再组合形成目标轮廓。这些都是自下而上的处理过程，会把图像信息的低层次处理误差引入到高层次处理中，尤其后一种方法在轮廓组合时存在很大困难。材料科学与工程学报
主动轮廓线模型(Snake)是一种有效的寻目标轮廓的搜索算法，具有良好的提取、跟踪特定区域内目标边缘的能力，在国外已被广泛用在边缘检测、建模、图像分割和运动跟踪等场合。它的工作过程主要是利用能量最小化原理，当定义的能量函数值达到最小值时，判定曲线V ( s , t ) = ( X ( s , t ), Y ( s , t))所在处为轮廓.缺点：⑴主动轮廓线模型非常复杂，计算量大；⑵对初始位置敏感，需要依赖其它机制将Sn
ake 放置在感兴趣的图像特征附近；⑶由于主动轮廓线模型的非凸性，它有可能收敛到局部极值点，甚至发散。
5.基于特征点集的Hausdorff 距离匹配跟踪方法Hausdorff距离[14] [15] [16]是描述两组点集之间相似程度的一种度量，是集合与集合之间距离的一种定义形式。在图像的匹配跟踪应用中，它用于度量模板中的每一点到图像中的每一点的相似性程度，因此，它可以用于度量模板与图像的相似性。它不仅适用于平移情况的运动目标跟踪，而且在目标复杂运动时也能够取得较好的跟踪效果可以针对部分匹配做出良好反应，因此它本身就具有一定的抗遮挡能力。因为Hausdorff距离的适用形式限制在有限点集内，所以适用于二值特征图像的模板匹配。一般选取图像边缘特征或者若干特征点作为匹配元素，对这些元素的相似性进行度量作为模板与图像相似性的依据。其过程是对被测图像和模板分别提取边缘特征后，在这两幅二值图像之间用Hausdorff距离确定匹配位置。轴承座
优点：⑴对图像中小的扰动不敏感，即强的抗干扰性；⑵算法简单、计算速度快；⑶本身具有部分匹配的性质，对于部分遮挡情况具有良好的鲁棒性。缺点：要求运动目标具有较清晰的几何形态，方便特征提取。采用Susan 角点提取方法可以得到一组性能良好的点集，但是对于目标面积过小、与背景灰度相接近的情况下，很难获得良好的特征点集，从而制约了匹配跟踪。同时，基于特征点集下的模板更新，是一个非常棘手的课题，需要进一步深入研究以获得良好的跟踪效果。
英国清教>干墙特征跟踪计算量大、特征点提取困难、模模型复杂结合特征跟踪的思想，改进相关跟踪方法，使其能克服图像噪声、目标姿势变化、背景光照变化等各种干扰情况
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议