Определение трекинга. 
Реализация основных примеров видео-трекинга в системе MATLAB

Трекингом называется определение местоположения движущегося объекта (нескольких объектов) во времени с помощью камеры. Алгоритм анализирует кадры видео и выдает положение движущихся целевых объектов относительно кадра.

Основная проблема в трекинге состоит в сопоставлении положений целевого объекта на последовательности кадров, особенно если объект движется быстро относительно частоты кадров. Таким образом, системы трекинга обычно используют модель движения, которая описывает, как может изменяться изображение целевого объекта при всевозможных различных его движениях.

Примерами таких простых моделей движения являются:

• — трекинг плоских объектов, модель движения — 2D преобразование (аффинное преобразование или гомография) изображения объекта (например, исходного кадра)
• — когда целевым является жесткий 3D объект, модель движения определяет вид в зависимости от его положении в пространстве и ориентации
• — для сжатия видео, ключевые кадры (keyframes) разделяются на макроблоки (macroblocks). Модель движения представляет собой разрыв ключевых кадров, где каждый макроблок преобразуется при помощи вектора движения полученного из параметров движения
• — изображение деформируемого объекта может быть покрыто сеткой (mesh), движение объекта задается положением вершин этой сетки

Основная задача алгоритма трекинга — это последовательный анализ кадров видео для оценки параметров движения. Эти параметры характеризуют положение целевого объекта.

Система визуального наблюдения (трекинга) состоит из двух основных частей:

• 1) Представление и Локализация Целевого Объекта (TargetRepresentationandLocalization)
• 2) Фильтрация и Объединение Данных (FilteringandDataAssociation)

Представление и Локализация Целевого Объекта представляет собой по большей части восходящий процесс (bottom-upprocess), т. е. последовательный и его последующие шаги не затрагивают предыдущие. Обычно вычислительная сложность этих алгоритмов достаточно мала. Вот некоторые стандартные алгоритмы Представления и Локализации Целевого Объекта:

Blobtracking: Сегментация интерьера объекта (например blobdetection, block-basedcorrelation или оптический поток (opticalflow)).

Kernel-basedtracking (Mean-shifttracking): Итеративная процедура локализации, основанная на максимизации критерия подобия (Bhattacharyyacoefficient).

Contourtracking (трекинг контуров): Поиск границы объекта (например активные контуры или Condensationalgorithm).

Визуальное согласование особенностей (featurematching): Регистрация (Imageregistration).

Pointfeaturetracking (Слежение за точечными особенностями сцены): Задача формулируется так — дана последовательность изображений некоторой сцены, полученная с движущейся или неподвижной камеры. Необходимо получить набор как можно более точных последовательностей координат проекции некоторых точек сцены в каждом кадре.

Фильтрация и Объединение Данных представляет собой по большей части нисходящий процесс (top-downprocess), который включает в себя объединение априорной информации о сцене или объекте, соотносящейся с динамикой объекта и вычислением различных гипотез. Вычислительная сложность этих алгоритмов обычно намного выше. Вот некоторые стандартные алгоритмы фильтрации:

Фильтр Калмана: оптимальный рекурсивный (Bayesianfilter) для линейных функций, подверженных шуму по Гаусу.

Фильтр частиц (Particlefilter): полезно для семплинга базового пространства состояний распределения нелинейных и негауссовых (non-Gaussian) процессов.

Существует несколько методов реализации трекинга. В данной работе рассмотрены различные методы трекинга:

• 1) алгоритм Виолы-Джонса (каскады Хаара)
• 2) алгоритм с использованием оптического потока (OpticalFlow)
• 3) алгоритм с использованием коэффициентов корреляции

трекинг оптический образ распознавание.

2. Исследовательская часть