目标跟踪方法--基于轮廓跟踪

一、理论

    该方法的基本思想是使用一组封闭的轮廓曲线来表征目标，将曲线作为模板，在相邻帧的边缘图像中匹配并跟踪该模板。该方法与基于区域的跟踪方法相类似，都存在目标模板匹配和目标模板更新两个环节，但是该方法是在二值化图像中匹配目标的轮廓模板，大大减小了计算量，提高了匹配的速度。

    主动轮廓模型方法是近些年来发展较快的一类轮廓匹配跟踪方法。 Michael Kass 等人在1988年提出了主动轮廓模型(Active contour models, ACM)的概念，即Snake模型。该模型是指在目标区域内定义一组可以发生形变的曲线，通过不断求解其能量函数最小化的过程，使该曲线不断调整自身的形状，最终和目标区域的轮廓相一致，该曲线即称为Snake曲线。 Snake 模型的运算主要是基于Snake曲线能量的，其运算过程的实质是求解其能量极小化的样条函数 (Spline Function)，Snake曲线的形状是受到内力所约束的，而运动是被外力所引导的，因此，使用Snake模型方法可以较为准确地跟踪目标的轮廓。

    利用 Snake 模型可以较好地处理非刚体目标的跟踪问题。首先通过边缘检测方法获得目标的边缘信息，确定表征边缘的目标函数，不断求解目标函数的最小值，使初始的Snake曲线逐渐与目标区域的轮廓相一致，实现对目标的跟踪。由于目标区域的轮廓会受到噪声的影响，导致其不能与目标的真实轮廓完全吻合。因此，该方法通常只适用于简单背景下的目标跟踪。而且使用该方法求解跟踪目标的实质是寻找一个最优解的过程，计算量较大，对于形变较大或速度较快的目标，很难实现实时跟踪。