静态背景：只动目标
动态背景：动目标和camera；复杂相对运动
静态背景：
1. 背景差分：先获得背景后根据差值取阈得图像（背景影响较大）
背景获得：（1）时间平均
（2）参数建模
阴影消除：色度值代替亮度值；
2. 帧间差分：相邻两幅图差值进行计算获得运动物体位置与形状（部分信息，不适用于运动缓慢物体）
3. 光流法：带有灰度的像素点在图像平面上运动产生的瞬时速度场（最复杂，不适于实时估计，抗噪性差）
动态背景：
基于块的运动估计与补偿：假定同一图像块上运动矢量相同，通过像素域搜索得到最佳运动矢量估算。
关键技术：（1）匹配法则：最大相关，最小误差
（2）搜索方法：三步搜索，交叉搜索
（3）块大小确定：分级，自适应
Tracking：通过目标有效表达寻找最佳相似目标。
目标特征：（1）视觉特征：边缘，轮廓，形状，纹理，区域
（2）统计特征：直方图，各种矩特征
（3）变化系数特征：傅里叶描绘子，自回归模型
（4）代数特征：图像矩阵的奇异值分解
相似度度量算法（匹配法则）：欧氏距离，街区距离，棋盘距离，加权距离，巴特查理亚系数，Hausdorff距离。（欧氏距离最简单）
搜索算法：预测下一帧物体可能存在的位置。kalman滤波，扩展的Kalman滤波，粒子滤波。
Kalman算法：线性最小方差估计。通过状态方程和观测方程来预估。无偏，稳定，最优。
粒子滤波算法：非线性，非高斯系统。递归方式进行处理，节省空间，有较好鲁棒性。
均值漂移算法（Meanshift）：梯度优化，非刚性目标，非线性运动目标，变形，旋转均可。
连续自适应均值漂移算法（Camshift）：基于Meanshift，结合色彩信息。可有效解决变形和遮挡问题。
分类：（1）基于主动轮廓追踪（Snake模型）：定义可变形Snake曲线，通过对其能量函数最小化，使其轮廓逐渐变成与目标轮廓一致。跟踪可靠性增加，但计算量较大，并且对快速运动或形变较大物体跟踪情况不理想。
（2）基于特征的跟踪：
特征提取：特征：有直观意义，有分类意义，计算相对简单，有图像平移旋转尺度变换等不变性。主要有颜色，纹理边缘，块特征，光流特征，周长面积，质心，角点。
特征匹配：基于二值化、边缘特征、角点特征、灰度、颜色特征匹配。
对尺度、形变、亮度变化不敏感。只要有一部分特征能被提取就可以。但对噪声敏感，连续帧间关系难以确定。
（3）基于区域的追踪：得到人为或图像分割的矩形或不规则图形模版，再用算法跟 踪目标。费时，未被遮挡时精度很高，目标变形或有遮挡精 度下降。
（4）基于模型的追踪：通过先验知识建立模型，然后追踪，适用于刚体。不易受观 测视角影响，有较强鲁棒性，抗干扰能力较强，计算复杂， 实时性较差。
