跟踪对象可以从简单到复杂，具体取决于您拥有的背景类型、背景是静态的还是移动的、对象是否清晰可辨或可以通过混合背景与背景共享相似的属性，以及我们是否有独特的对象或者我们正在跟踪可能穿过轨迹的多个对象。

好消息是，所有这些问题的解决方案都存在。根据手头任务的性质，您可以选择简单到复杂的解决方案。

我们究竟需要什么？

在实施任何跟踪算法时，您都会估计对象的新位置可能在哪里。现在您需要验证对象确实位于相同位置或不同位置。不同之处在于您反馈给模型的错误。为此，您需要识别/分割您的投影值附近的对象。换句话说，您需要在给定窗口中检测该对象。

如果对象的外观或关键行为没有发生太大变化，您可以从原始参考中捕获特征向量，并在预期目标附近的附近进行比较。这是基于一些距离标准在窗口内搜索特征向量。

所以问题归结为——特征向量应该是什么，距离矩阵应该是什么？

有很多可能的答案。写下其中的一些（从简单到复杂），并说明它们何时可能起作用。

1. 基于颜色的特征：这包括识别平均色或主色、局部窗口上的颜色直方图等。如果对象颜色是唯一的并且不与背景混合，那么您可以用这种方式识别对象。请参阅下面的 [参考 1] 和 [参考 2]

2. 基于纹理的特征：这里有一系列的特征。著名的 Gabor 滤波器组，然后是共生矩阵，您可以获取图像的梯度或查找边缘并在局部区域上生成边缘直方图，或者您可以识别区域附近的局部二进制模式。参见 [参考文献 3]。此外，许多方法结合了颜色和纹理信息以提高效率。见 [参考 4] 和 [参考 5]

3. 基于形状的特征：当您跟踪的对象具有与其他对象和背景区分开来的特定形状时，基于形状的技术会起作用。这包括许多技术。请参阅下面的 [参考 6]、[参考 7] 和 [参考 8]。

更复杂的功能：

如果上述功能不起作用，特别是如果对象很复杂并且背景也很复杂 - 那么我们可以使用这些功能：

4. SIFT - 尺度不变特征变换允许计算表征对象的关键点，因此您可以将过去帧中的相同对象与新帧进行比较。见 [参考 9]

5. SURF、FAST、ORB： - 如果 SIFT 因专利问题而被阻止，并且由于它的速度，那么您可以使用它的替代品，即 SURF、FAST、ORB。请参阅 [参考文献 10] 进行很好的比较。

6. HoG 和 Haar：最后你可以使用 HoG - 这是一个很好的通用对象检测框架。[Ref 11] 和基于 Haar 的分类器，当问题非常复杂时。[参考 12]

我没有规定任何具体的解决方案，以上都不是您的直接解决方案——但这将帮助您思考手头的问题。您可以选择适合您的任何功能，而与这些论文中使用的跟踪方法无关。

仔细阅读Good Features to Track 论文，它会给你更好的视角。

距离标准呢？

对于每个不同的特征，通常不同的距离测量应该是有意义的。但是，距离矩阵通常取决于您的特征向量本身。

[参考 1]：基于颜色信息的对象跟踪，采用粒子滤波算法 Budi Sugandi、Hyoungseop Kim 等。人。

[参考 2]：在基于均值偏移的跟踪算法中应用新的空间颜色直方图 Dong Xu、Yimin Wang 和 Jinwen An

[参考 3]：用于图像数据浏览和检索的纹理 特征 Manjunathi 和 WY Ma

[参考 4]：使用联合颜色纹理直方图的鲁棒对象跟踪 宁吉峰，张磊和张大卫，吴承科

[参考 5]：使用颜色、纹理和运动的多对象跟踪 Valtteri Takala 和 Matti Pietikainen

[参考文献 6]： 基于形状的对象识别的特征提取技术 综述 Mitisha Patel，Purvi Tandel

[参考文献 7]：基于 OMEGA 形状特征的快速、稳健的人体检测和跟踪 Min Li、Zhaoxiang Zhang、Kaiqi Huang 和 Tieniu Tan

[参考 8]：基于局部形状的行人检测特征评估 Edgar Seemann、Bastian Leibe、Krystian Mikolajczyk、Bernt Schiele

[参考 9]：使用 SIFT 特征和均值偏移的目标跟踪 Huiyu Zhou、Yuan Yuan 和 Chunmei Shi

[参考文献 10]：使用 SIFT、SURF、BRIEF 和 ORB 进行图像匹配：失真图像的性能比较 Ebrahim Karami、Siva Prasad 和 Mohamed Shehata

[参考文献 11]：基于部分的多人跟踪和部分遮挡处理 Guan Shu，Afshin Dehghan 等。人。

[参考文献 12]：使用一组基于 Haar 特征的协作分类器进行实时手部跟踪 Andre LC Barczak 和 Farhad Dadgostar

如果唯一移动的是对象，您可能会阈值流向量的大小。大于某个阈值的幅度仅表示运动物体的光流分量，仅此而已。