用直方图和表述块的视觉跟踪[外文翻译].rar

原文：2010 (CVaIU) Online visual tracking with histograms and articulating blocks
原文：用直方图和表述块的视觉跟踪
可以用于手势识别，图像处理，模式识别等

下面是部分译文：
开发一个准确，高效，稳定的视觉跟踪器永远充满了挑战，而且任务变得更加困难当目标外形发生重大和快速变化。虽然观众很高兴和对世界知名演奏家表现选手感到敬畏，其优美的动作和令人眼花缭乱表演为任何视觉跟踪器提供多重挑战。在这例子（和许多其他例子），外观变化主要是由于形状的变化，而前景强度分布保持大致平稳。一个重要的问题出现，就是有效地利用这种弱的外形恒定的假设在大量形状的变化之中进行准确视觉跟踪
强度直方图也许是最简单的方式来表示物体的外观，基于这种想法的跟踪算法在文献中大量存在。对与形状为长方形，高效率算法如积分图像和积分直方图已成功地应用于目标检测和跟踪。特别是，它可以迅速扫描整个图像找到目标。然而，使用这些方法在一些不规则的形状区域范围内的强度计算直方图不能高效和迅速地跟踪。为了处理基于跟踪的直方图内容的变化，一个总的想法是使用（圆形或椭圆形）中心来定义一个区域，在区域范围内加权直方图可以计算。使用这种方法来快速地图像扫描是不可能的；相反，可以设计不同的算法，迭代收敛得到目标对象。然而，差分方法在快速的大量的运动中对跟踪序列来说会产生问题。在某种程度上，这个中心在不规则的形状中规定了一个''规则性“约束，因而，从不规则直方图到常规形状的简单的估算直方图中降低了高效计算强度直方图的难度。
另一种方式来处理不规则形状的方法是用一个规则的形状（如矩形窗口）封闭目标图像，从封闭区域计算直方图。然而，这不可避免地包含了背景像素当前景形状不能近似封闭。因此，由此产生的直方图被背景像素破坏，而且跟踪结果会相应地降低。此外，缺乏完整的空间信息直方图也是不可取的。对于这样的问题如脸部跟踪，没有显着的形状变化，作为主要跟踪特征它适用于使用强度直方图。然而，对于形状会发生重大变化的目标，外观的空间元素非常突出，平原强度直方图变得不足，因为它往往产生不稳定的跟踪结果。
上述问题在一定程度上已得到解决。不过，他们中的大部分问题产生计算时间的大幅增加，因而这些算法适用只有本地搜索和全球的影像扫描不可行的。因此，这样的算法是无法追踪对象的快速动作。