轮廓跟踪
形状复杂的目标难以用简单的几何形状来表示。基于轮廓的方法提供了较为准确的形状描述。这类方法的主要思想是用先前帧建立的目标模型找到当前帧的目标区域。其中目标模型可以是颜色直方图、目标边缘或者轮廓。基于轮廓的跟踪方法可以分为两类：形状匹配方法和轮廓跟踪方法。前者在当前帧中搜索目标性状，后者则通过状态空间模型或直接的能量最小化函数推演初始轮廓在当前帧中的新位置。
1 形状匹配方法
这种方法类似于基于模板的跟踪，在当前帧中搜索目标的轮廓和相关模型。
Huttenlocher et al.[1993] - 用基于边缘的表达方式进行形状匹配，用Hausdorff距离进行匹配测量。
Li et al. [2001] - 也提出了用Hausdorff距离的形状匹配方法。
另一种匹配形状的方法是在连续两帧中寻找关联轮廓，建立轮廓关联，或称为轮廓匹配，是类似于点匹配的一种方法。这种方法使用了目标的外观特征。
-轮廓检测通常由背景减除实现。
-轮廓被提取后，匹配由计算目标模型和每个轮廓之间的距离实现。
-目标模型可以使密度函数(颜色或边缘直方图)、轮廓边界、目标边缘或这些信息的组合
Kang et al.[2004] - 使用了颜色和边缘直方图作为目标模型
Haritaoglu et al. [2000 - 使用了轮廓内部得到的边缘信息建模目标外观
用光流法提取进行轮廓匹配也是一种思路。如Sato and Aggarwal [2004] - 用Hough变换计算轮廓轨迹
2 轮廓跟踪
这种方法从前一帧的轮廓位置开始轮廓推演，得到当前帧的轮廓。前提是当前帧和前一帧的目标轮廓有所交叠。这类方法又有两种不同的实现方式，用状态空间模型建模轮廓的形状和运动，或直接用梯度搜索等轮廓能量最小化方法推演轮廓。
2.1 用状态空间模型跟踪
目标状态由轮廓的形状和运动参数定义。状态在轮廓的后验概率最大化时更新。
Terzopoulos and Szeliski [1992] - 用控制点的运动定义目标状态，控制点的动态性用弹簧模型建模。轮廓新状态用卡尔曼滤波器预测。
Isard and Blake[1998] - 用样条形状参数和仿射运动参数定义目标状态，状态更新用粒子滤波器实现。
MacCormick and Blake[2000] - 将Isard and Blake[1998] 的基于粒子滤波的方法扩展到多目标跟踪，用排他性原则处理遮挡。能够处理两个目标之间的遮挡。
Chen et al. [2001] - 用参数化的椭圆集合表示轮廓。每个轮廓节点拥有一个HMM，每个HMM的状态由轮廓控制点的法线方向上的点定义。HMM的状态转移概率用JPDAF估计。轮廓状态用Viterbi algorithm [1967]估计。
以上的基于状态空间模型跟踪的方法都是采用显式的方法表达轮廓，如参数样条曲线。这种表达不能处理拓扑结构的变化，比如目标区域的分割、合并等。而轮廓拖延的方法则能够解决拓扑变化带来的问题。
2.2 直接能量最小化方法跟踪
用轮廓推演的跟踪与目标分割的方法有些类似。分割和跟踪都是通过贪婪算法或梯度下降来最小化能量。
Bertalmio et al. [2000] - 用光流不变约束在连续帧中推演轮廓，用level set表达式迭代计算轮廓位移。用了两个能量函数，一个用作轮廓跟踪，一个用作强度的变化。
Mansouri [2002] - 也用光流不变约束进行轮廓推演。该算法不止计算边缘的光流，也计算目标区域内部每个像素的光流向量。再迭代使得能量最小化。
Cremers and Schnorr[2003] - 也是用光流做轮廓推演
还可以通过提取连续帧之间的目标内外的一致性信息进行轮廓推演。这种方法需要在当前帧中用先前的位置进行轮廓初始化。
Ronfrad [1994] - 定义了一个基于Ward距离的静态图像模型控制轮廓推演的能量函数
Yilmaz and Shah [2004] - 用目标边界周围的颜色和纹理模型推演目标轮廓
Yilmaz et al. [2004] - 用基于level set 的形状模型建模了目标性状和其变化，该方法能够解决轮廓跟踪中的遮挡问题
3 讨论
轮廓跟踪通常是在需要跟踪目标整体区域时执行的。轮廓跟踪的最重要的优点在于其处理目标形状变化的适应性。
轮廓可以用不同方式来表达，最常用的表达方式是二元的指示函数，目标区域标记为1，非目标区域标记为0.对基于轮廓的方法，轮廓可以是显式表达(控制点集合组成的轮廓边界)，或隐式表达(在网格上定义的函数)。最常用的隐式轮廓表达式level set表达。
轮廓跟踪算法的目标表达方式可以使运动模型、外观模型、形状模型或这些模型的组合。目标模型通常由参数的或非参数的密度函数建模，目标性状可以用轮廓子空间的形式建模。
基于外观的形状表达在直观的轮廓搜索中普遍应用。对基于边缘的形状表达，Hausdroff距离是最广泛应用的测量方法。
遮挡处理也是一个重要问题。通常没有显式地做出解决，常规方法是用匀速或匀加速假设来计算目标位置。也有少数方法对遮挡用强制形状约束来显式处理。
另一个重要问题是目标分割和融合等拓扑变化的处理。这通常可以由隐式的轮廓表达来解决。
区分不同的轮廓跟踪算法的重要因素是它们用了什么特征；如何处理遮挡；是否需要训练；更多的，有些算法只用了轮廓边界信息来跟踪，而另一些算法则用到了轮廓内完整区域的信息。通常后者对噪声更加稳定。下图是不同轮廓跟踪算法的定性比较。
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/lynphoenix/archive/2011/02/17/6192069.aspx
