template tracking（基于模板的跟蹤）
0 簡(jiǎn)述
目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要分支。研究的人很多，近幾年也出現(xiàn)了很多很多的算法。大家看看淋漓滿目的paper就知道了。但在這里，我們也聚焦下比較簡(jiǎn)單的算法，看看它的優(yōu)勢(shì)在哪里。畢竟有時(shí)候簡(jiǎn)單就是一種美。
在這里我們一起來欣賞下“模板匹配”這個(gè)簡(jiǎn)單點(diǎn)的跟蹤算法。它的思想很簡(jiǎn)單，我們把要跟蹤的目標(biāo)保存好，然后在每一幀來臨的時(shí)候，我們?cè)谡麄€(gè)圖像中尋找與這個(gè)目標(biāo)最相似的，我們就相信這個(gè)就是目標(biāo)了。那如何判斷相似呢？就用到了一些相關(guān)性的東西了，這個(gè)在我之前的一篇博文里面介紹過，大家可以參考下：
模板匹配中差值的平方和（SSD）與互相關(guān)準(zhǔn)則的關(guān)系
http://blog.csdn.net/zouxy09/article/details/8549743
然后為了適應(yīng)目標(biāo)的變化，我們就需要隨時(shí)更新我們要跟蹤的目標(biāo)。換句話來說，在跟蹤t幀的時(shí)候，也就是在第t幀尋找目標(biāo)的時(shí)候，是與t-1幀中我們找到的目標(biāo)來進(jìn)行比較的。這樣目標(biāo)的外觀變化就會(huì)及時(shí)的更新。這個(gè)就叫做在線跟蹤方法。當(dāng)然了，這個(gè)策略會(huì)導(dǎo)致跟蹤漂移的問題，這就是近幾年很多跟蹤算法關(guān)注的重要問題之一了。
1.光流
2.Lucas–Kanade光流算法 Lucas-Kanade Algorithm
2. 逆向組合(Inverse Compositional)算法
4.ESM (efficient second-order minimization) 有效的二階最小化（ESM）算法
參考資料
[1] 光流（Optical Flow
[2] 光流Optical Flow介紹與OpenCV實(shí)現(xiàn)
[2] opencv中CalcOpticalFlowPyrLK實(shí)現(xiàn)的光流法理解
[3] Lucas-Kanade 算法原理以及應(yīng)用
[4] # Lucas–Kanade光流算法學(xué)習(xí)
[4] # Lucas-Kanade算法總結(jié)
[3] SLAM代碼（光流法）
[4] AAM算法以及逆向組合算法
[5] # 最簡(jiǎn)單的目標(biāo)跟蹤（模版匹配）
[6] 最簡(jiǎn)單的目標(biāo)跟蹤方法--------模板匹配與相關(guān)系數(shù)法 很好
[7] 基于模板匹配的運(yùn)動(dòng)目標(biāo)跟蹤很好
[6] 基于模板匹配的目標(biāo)跟蹤算法研究
[7] 模板匹配中差值的平方和（SSD）與互相關(guān)準(zhǔn)則的關(guān)系
