——-本文是參考王守佳先生的博士論文《基於圖像的人體監測跟蹤和人臉識別的研究》而寫的筆記。
對於模式識別問題，首先是必須對視頻圖像進行預處理，濾除雜波後，開始識別的步驟。目前人臉識別中光照預處理方法常用的有直方圖均衡化（
Histogram Equalization，HE）、Gamma 校正。局部對比度增強算法( Local Contrast Enhancement,LCE、離散餘弦變換
(Discrete Cosine Transform, DCT)以及高斯差分濾波算法（
Difference of Gaussian filter，DOG等。
第一步是前景分割，相關的算法在上一個博客中羅列了出來。
http://blog.csdn.net/qq_19764963/article/details/51198627
第二步是人體的識別，一般的思路是對運動前景進行特徵提取，接着訓練強分類器，利用分類器對之前提取的特徵進行分類識別。常用的特徵包括膚色顏色特徵和人形輪廓特徵。以下羅列常見的人體輪廓特徵識別方法：
2.1 整體特徵識別，常用提取輪廓特徵的方法包括：HOG特徵，edgelet特徵，小波特徵，shapelet特徵；
2.2組合部位的識別，通過人體不同部位的識別組合，判斷前景是否爲人體，常用的方法包括：貝葉斯推斷組合分類法，隱式模型法，自適應組合分類法；
2.3多相機識別，通過多角度的到的圖片綜合判斷識別，方法有 cluster boosted tree
第三步是目標跟蹤，主要有幾種思路：
3.1基於區域的運動物體跟蹤， 方法有
Joint Probabilistic Data Association Filter
3.2基於網格的運動物體跟蹤
3.3基於變形模板的運動物體跟蹤
3.4基於小波的運動物體跟蹤
3.5基於模型的運動物體跟蹤
3.6基於輪廓的運動物體跟蹤
3.7基於特徵的運動物體跟蹤
另外，粒子濾波和卡爾曼濾波也有不錯的效果。