本文共 1093 字，大约阅读时间需要 3 分钟。

基于模板匹配的目标跟踪算法，它的基本思想是：首先我们将要跟踪的目标选定并保存好，然后在每一帧来临的时候，我们在整个图像中寻找与这个目标最相似的，我们就相信这个就是目标了。

那如何判定图像与目标图像的相似性呢？这就需要使用相关性的一些东西。在opencv中其实已经给我们实现了模板匹配算法了，那就是函数 matchTemplate( InputArray image, InputArray templ,OutputArray result, int method );其中image是输入图像，templ是模板图像（或者目标图像），result是输出矩阵，这个矩阵中的每一个点的值表示image与模板templ的匹配程度，method是判定相似性使用的方法，在opencv中method，有如下：

/* Template matching methods */

enum {     CV_TM_SQDIFF        =0,     CV_TM_SQDIFF_NORMED =1,     CV_TM_CCORR         =2,     CV_TM_CCORR_NORMED  =3,     CV_TM_CCOEFF        =4,     CV_TM_CCOEFF_NORMED =5 };

其中，

1.CV_TM_SQDIFF 平方差匹配法，最好的匹配为0，值越大匹配越差；(越小的值表示越匹配)

2.CV_TM_SQDIFF_NORMED 归一化平方差匹配法；(越小的值表示越匹配) 3.CV_TM_CCORR 相关匹配法，采用乘法操作，数值越大表明匹配越好；(越大的值表示越匹配) 4.CV_TM_CCORR_NORMED 归一化相关匹配法；(越大的值表示越匹配) 5.CV_TM_CCOEFF 相关系数匹配法，最好的匹配为1，-1表示最差的匹配；(越大的值表示越匹配) 6.CV_TM_CCOEFF_NORMED 归一化相关系数匹配法；(越大的值表示越匹配)

在这里，CV_TM_SQDIFF为：Sumof Squared Difference (SSD) 差值的平方和。

下面使用vs2010+opencv2.4.6，对给定的视频的文件，首先先显示第一帧，然后我们用鼠标框选要跟踪的目标，然后跟踪器开始跟踪每一帧，还需要注意的是，在跟踪的过程中，我们需要随时更新我们要跟踪的目标，即在跟踪t帧的时候，也就是在第t帧寻找目标的时候，是与t-1帧中我们找到的目标来进行比较的。这样目标的外观变化就会及时的更新。这个就叫做online tracking (在线跟踪)。当然了，这个策略会导致跟踪漂移的问题。

参考1：，

参考2：，

参考3：，

参考4：

转载地址：http://fbpti.baihongyu.com/