我正在研究基于无人机的视频监控项目。我需要在同一个实现对象跟踪。我尝试过传统方法，但由于非静态环境，这些方法似乎失败了。
This is an example我希望实现的目标。但这使用背景减法，这是非静态相机无法实现的。
我还尝试使用SURF features进行基于功能的跟踪，但是对于较小的对象，它会失败，并且容易出现误报。
在这种情况下实现目标的最佳方法是什么？。
编辑：对象可以是定义的感兴趣区域内的任何内容。物体通常是人或车辆。这个想法是用户将创建一个定义感兴趣区域的边界框。无人机现在必须开始跟踪这个感兴趣区域内的任何东西。
答案 0 :(得分：4)
跟踪本地功能（如SURF）在您的情况下无法正常工作。训练分类器（如具有HAAR功能的Boosting）也不会起作用。让我解释一下原因。
您要跟踪的对象将包含在边界框中。在这个边界框内可以有任何对象，而不是人， car ，或者你用来训练分类器的其他东西。
此外，在对象附近，在边界框中，即使对象的外观没有改变，也会在目标对象移动时立即改变背景噪声。 此外，你的物体的外观会发生变化（例如，一个人转身，或者掉下夹克，车辆会得到太阳的反射等等），或者物体会被（部分或全部）遮挡一段时间。因此，跟踪本地功能很可能很快就会丢失跟踪对象。
所以第一个问题是你必须处理潜在的许多不同的对象，可能是未知的，以便跟踪，你不能为每一个训练分类器。
第二个问题是您必须关注外观可能会发生变化的对象，因此您需要更新模型。
第三个问题是您需要一些逻辑来告诉您丢失了跟踪对象，并且需要在场景中再次检测到它。
那该怎么办？好吧，你需要一个好的长期跟踪器。
最好的（据我所知）是Kalal et. al.的跟踪学习检测（TLD）。您可以在专用page上看到很多示例视频，您可以看到它在移动相机，改变外观的对象等方面效果很好......
幸运的是，OpenCV 3.0.0有TLD的实现，您可以找到示例代码here（前面提到的站点中还有一个Matlab + C实现）。
主要缺点是这种方法可能很慢。您可以测试它是否适合您。如果是这样，您可以对视频流进行缩减采样，升级硬件或切换到更快的跟踪方法，但这取决于您的要求和需求。
祝你好运！答案 1 :(得分：0)
最简单的尝试是帧差异而不是背景减法。从当前帧中减去前一帧，将差值图像阈值化为二进制，然后使用一些形态来清除噪声。使用这种方法，您通常只能获得对象的边缘，但通常这足以进行跟踪。
你也可以尝试使用vision.PointTracker来增强这种方法，它实现了KLT（Kanad-Lucas-Tomasi）点跟踪算法。
或者，您可以尝试使用密集光流。请参阅opticalFlowLK，opticalFlowHS和opticalFlowLKDoG。