2.4.3　运动和跟踪

跟踪也属于计算机视觉领域的基础问题之一，近年来也得到了非常充足的发展，方法也由过去的非深度算法跨向了深度学习算法，精度也越来越高。不过实时的深度学习跟踪算法的精度一直难以提升，而精度非常高的跟踪算法的速度又十分慢，因此在实际应用中也很难派上用场。

视觉跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪，以获得运动目标的运动参数，如位置、速度、加速度和运动轨迹等，从而进行下一步的处理与分析，实现对运动目标的行为理解，以完成更高一级的检测任务。图2-4为跟踪行人运动状态下的参数变化曲线图。

图2-4　跟踪行人运动状态下的参数变化曲线图

跟踪算法需要从视频中去寻找被跟踪物体的位置，并适应各类光照变换、运动模糊及表观的变化等。但实际上，跟踪是一个不适定问题。例如，跟踪一辆车，如果从车的尾部开始跟踪，当车辆在行驶过程中表观发生了非常大的变化时，如旋转了180°变成了侧面，那么现有的跟踪算法在很大程度上是跟踪不到的，因为它们的模型大多基于第一帧来学习，虽然在随后的跟踪过程中也会更新，但受限于训练样本过少，所以难以得到一个良好的跟踪模型，在被跟踪物体的表观发生巨大变化时，就难以适应了。因此，就目前而言，跟踪算不上是计算机视觉领域特别热门的一个研究方向，很多算法都改进自检测或识别算法。