目标追踪锚定法
目标追踪锚定法包括估算目标状态并预测、匹配更新“目标链”。因此对于跟踪系统性能要求一般必须满足三个基本要求：鲁棒性、准确性、实时性。
鲁棒性：指跟踪过程必须稳定可靠，抗干扰性能好，在某些跟踪可能失败的场合中具有自恢复的能力。
准确性：指跟踪必须满足一定的精度，要求低的场合可以给出目标的大概位置，要求较高的场合必须给出目标的准确位置、姿态等相关信息。
实时性：指跟踪必须实时进行，测量数据的输出速率必须满足实际控制系统的动态性能指标。而视频分析中必然涉及到大量数据，因此，对跟踪算法的计算效率要求较高。
要同时满足以上三点并不容易，在实际应用中往往需要我们综合考虑，折衷设计。
王要有帜同左分力法相光流分割法。
帧间差分方法是对相邻帧图像作相减运算之后，对结果图像取阙值并分割，提取运动目标。该
方法简单，速度快，易于硬件实现，然而常用的帧差法只能根据帧间像素的强度变化来检测场景中目标是否运动，运动目标信号的帧间相关性和噪声的帧间相关性都很弱，难以区分，也就是说帧间差分法只适合静态背景的情况。
基于光流估计的方法都是基于以下假设：图像灰度分布的变化完全是由于目标或背景的运动引起的，即目标和背景的灰度不随时间变化。基于光流估计的方法具有较强的抗干扰性，但不能有效区分目标运动造成的背景遮拦、显现以及孔径等问题，计算量大，需要特殊的硬件支持。如果光照强度或光源方位发生了变化，则会产生错误结果。
正则化正交匹配追踪

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。