初三-跟踪算法的特征选择

图像特征最重要的属性是独特性，能够咋特征空间内方便区分目标。

可用于跟踪的特征有颜色、边缘、光流和纹理，或者是其中几种的组合。

颜色-最常用的颜色空间是RGB，但它不是均匀分布的；均匀分布的颜色空间是HSV。根据应用选择合适的颜色空间。

边缘-边缘通常伴随着剧烈的intensity变化。对比于颜色特征，边缘特征对光照变化不敏感。最流行的边缘检测算法是Canny算子。

光流-光流特征是定义区域内每个像素变化的稠密位移向量域。通过计算区域内的光照对比度变化得到。通常应用在基于运动的分割和跟踪上。

纹理-纹理是检测物体表面intensity变化的手段，是对光滑程度和规则程度的量化。相对于颜色，它多了一个计算描述符的步骤，对于光照不敏感。GLCM，LAW，Wavelet等是常用的纹理描述符。

大多数情况下图像特征的选择根据应用场合来决定。近来自适应的特征选择也越来越受到重视。自适应的方式可分为filter和wrapper两种形式。前者基于通用的选择标准选择采用的特征；后者基于特征在特定场合的适用程度选择。

其中Adaboost是个流行的wrapper形式特征选择算法。它基于普通分类器的组合寻找最优分类器。

在所有图像特征中，颜色是适用最广泛的，但不够稳定，因为其对光照变化敏感。因此很多情况下用到其它特征来建模目标外观，或使用特征的组合来改进跟踪算法效率。

NEXT STEP - 重点看光流法，Canny和Adaboost

目标检测算法归纳