序列图像中运动目标跟踪方法

序列图像中目标跟踪是指根据视频图像中的时空相关信息在每一帧图像中确定目标的位置、大小或形状信息等，目标跟踪方法大致可以分成三大类：基于滤波理论的目标跟踪方法，基于MeanShift的目标跟踪方法和基于偏微分方程的目标跟踪方法．本书的第2章至第4章主要研究基于滤波理论的目标跟踪方法。基于滤波理论的目标跟踪方法将传感器噪声和模型误差等进行建模，将目标跟踪问题表达为系统状态的后验概率密度估计问题。当该后验概率密度是高斯分布时，卡尔曼或扩展的卡尔曼滤波器可以对系统的状态进行准确估计．而粒子滤波器能够解决更一般的非线性非高斯的目标跟踪问题。本书的第5章至第8章主要研究基于MeanShift的目标跟踪方法。基于MeanShift的目标跟踪方法首先建模目标特征的概率密度分布，然后采用概率密度之间的相似性测度度量目标和候选目标的之间的相似性。通过将梯度下降算法应用于相似性函数，推导出MeanShift迭代方程从而对目标进行跟踪，最后一章主要研究一种基于偏微分方程的目标跟踪方法。在基于偏微分方程的目标跟踪方法中，目标跟踪问题被建模为关于曲线能量的泛函．通过变分法或形状导数法等推导出描述轮廓曲线进化的偏微