最简单的目标跟踪（模版匹配）

template tracking（基于模板的跟踪）

0 简述

目标跟踪是计算机视觉领域的一个重要分支。研究的人很多，近几年也出现了很多很多的算法。大家看看淋漓满目的paper就知道了。但在这里，我们也聚焦下比较简单的算法，看看它的优势在哪里。毕竟有时候简单就是一种美。

在这里我们一起来欣赏下“模板匹配”这个简单点的跟踪算法。它的思想很简单，我们把要跟踪的目标保存好，然后在每一帧来临的时候，我们在整个图像中寻找与这个目标最相似的，我们就相信这个就是目标了。那如何判断相似呢？就用到了一些相关性的东西了，这个在我之前的一篇博文里面介绍过，大家可以参考下：
模板匹配中差值的平方和（SSD）与互相关准则的关系
http://blog.csdn.net/zouxy09/article/details/8549743
然后为了适应目标的变化，我们就需要随时更新我们要跟踪的目标。换句话来说，在跟踪t帧的时候，也就是在第t帧寻找目标的时候，是与t-1帧中我们找到的目标来进行比较的。这样目标的外观变化就会及时的更新。这个就叫做在线跟踪方法。当然了，这个策略会导致跟踪漂移的问题，这就是近几年很多跟踪算法关注的重要问题之一了。

1.光流

2.Lucas–Kanade光流算法 Lucas-Kanade Algorithm

2. 逆向组合(Inverse Compositional)算法

4.ESM (efficient second-order minimization) 有效的二阶最小化（ESM）算法

参考资料

[1] 光流（Optical Flow

[2] 光流Optical Flow介绍与OpenCV实现
[2] opencv中CalcOpticalFlowPyrLK实现的光流法理解

[3] Lucas-Kanade 算法原理以及应用
[4] # Lucas–Kanade光流算法学习
[4] # Lucas-Kanade算法总结

[3] SLAM代码（光流法）
[4] AAM算法以及逆向组合算法

[5] # 最简单的目标跟踪（模版匹配）
[6] 最简单的目标跟踪方法--------模板匹配与相关系数法 很好
[7] 基于模板匹配的运动目标跟踪很好

[6] 基于模板匹配的目标跟踪算法研究
[7] 模板匹配中差值的平方和（SSD）与互相关准则的关系