模板匹配函数详解

算法思想：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。

相似性的计算——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

实现函数：

     void matchTemplate( const Mat& image, const Mat& templ, Mat&result, int method );

      该函数的功能为，在输入源图像Sourceimage（I）中滑动框，寻找各个位置与模板图像Template image（T）的相似度，并将结果保存在结果矩阵result matrix（R）中。该矩阵的每一个点的亮度表示与模板T的匹配程度。然后可以通过函数minMaxLoc定位矩阵R中的最大值（该函数也可以确定最小值）。

minMaxLoc函数原型: 

void minMaxLoc( const Mat& src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, const Mat& mask=Mat() ); void minMaxLoc(const MatND& src, double* minVal, double* maxVal, int* minIdx=0, int* maxIdx=0, const MatND& mask=MatND() ); void minMaxLoc(const SparseMat& src, double* minVal, double* maxVal, int* minIdx=0, int* maxIdx=0);

说明：
1 minMaxLoc寻找矩阵(一维数组当作向量,用Mat定义) 中最小值和最大值的位置. 
2 参数若不需要,则置为NULL或者0,即可. 
3 minMaxLoc针对Mat和MatND的重载中 ,第5个参数是可选的(optional),不使用不传递即可.

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。

缺点：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。实际情况下是复杂的，比如多个人在走，互相交叉，画面上人比较小，特征不明显等问题都会出现。例如两个身高体型差不多，衣服颜色也差不多的人互相交叉走过。还会有人走着走着忽然被障碍挡住了，然后重新出现，等等去情况，导致这种程序放到真实环境视频中，根本没法正常使用。