目标跟踪基础：目标表示方法与特征提取
大家好，我是你们的老朋友。今天咱们聊聊目标跟踪里最基础、也最核心的东西——怎么把目标“描述”给计算机听。
你想想看，计算机就是个“脸盲”。它看到的是一堆像素点，根本不知道哪个是车、哪个是人。所以，我们得教它：“看好了，这就是你要跟的那个目标”。怎么教？这就是目标表示和特征提取要干的事。
核心思想：目标跟踪的本质，就是在连续帧里找到“长得最像”的那个区域。而“长得像不像”，全靠特征和相似度度量说了算。
1. 目标表示方法：点、框、轮廓
我个人习惯把目标表示分成三个层次。从简单到复杂，各有各的适用场景。
1.1 点表示法
最简单粗暴的方式。用目标的中心点或质心来表示。比如跟踪一个乒乓球，一个点就够了。
优点：计算量极小，适合实时性要求高的场景。
缺点：信息量太少，一旦目标被遮挡或形变，基本就丢了。
我在项目中遇到过用点表示跟踪无人机的情况。嗯，飞得稳的时候还行，一遇到树枝遮挡，点就飘到天上去了。后来我加了点预测机制才稳住。
1.2 框表示法
这是工业界最常用的方法。用矩形框（Bounding Box）把目标框起来。通常用 (x, y, w, h) 四个参数表示——左上角坐标、宽、高。
说白了，框表示法就是告诉计算机：“目标就在这个矩形里，你盯着它别跑。”
优点：简单直观，配合深度学习效果很好。
缺点：框里会包含背景信息，影响跟踪精度。而且目标旋转时，矩形框会框进大量无关区域。
我的小技巧：如果目标经常旋转，可以试试旋转矩形框（带角度参数），或者直接用最小外接矩形。我在做车辆跟踪时吃过这个亏——车转弯时，普通矩形框里一半都是马路。
1.3 轮廓表示法
最精细的方式。用目标的边缘轮廓来描述。比如用一系列点连成的多边形，或者用分割掩码（Mask）。
轮廓表示法的好处是：完全排除了背景干扰。但代价是计算量大，而且需要精确的分割算法。
我曾经在医学影像跟踪里用过轮廓表示——跟踪细胞边缘。效果确实好，但每帧都要跑分割模型，速度感人。
| 表示方法 | 精度 | 速度 | 抗遮挡 | 适用场景 |
|---|---|---|---|---|
| 点 | 低 | 极快 | 差 | 小目标、高速运动 |
| 框 | 中 | 快 | 中 | 通用场景、深度学习 |
| 轮廓 | 高 | 慢 | 强 | 精细跟踪、医学影像 |
2. 特征提取：让计算机“看懂”目标
有了表示方法，还得有特征。特征就是目标的“身份证”。我挑三个最经典的来讲。
2.1 颜色直方图
最简单、最直观的特征。统计目标区域内各颜色出现的频率。比如红色占30%，蓝色占20%……
为什么好用？因为颜色对旋转、缩放不敏感。你想想看，一个红苹果不管怎么转，它还是红的。
但要注意：颜色直方图对光照变化非常敏感。同一个苹果，在阳光下和阴影里，颜色直方图可能完全不同。
避坑指南：我曾经在室外做行人跟踪，只用颜色直方图。结果人从树荫下走到阳光下，跟踪器直接跟丢了。后来我改用HSV颜色空间，把亮度和颜色分开处理，情况好多了。
2.2 HOG（方向梯度直方图）
HOG 是行人检测的“神兵利器”。它统计图像局部区域的梯度方向分布。
说白了，HOG 描述的是目标的形状和纹理。比如人的轮廓、车的边缘，在梯度方向上都有明显特征。
HOG 的流程大致是：
- 计算每个像素的梯度大小和方向
- 将图像分成小细胞单元（如8×8像素）
- 在每个细胞单元内统计梯度方向的直方图
- 将相邻细胞单元组合成块，进行归一化
- 把所有块的直方图串联起来，就是HOG特征
我个人觉得HOG最牛的地方是它对光照变化不敏感。因为梯度是局部变化，光照均匀变化时梯度基本不变。
2.3 LBP（局部二值模式）
LBP 是一种纹理特征。它的思路很巧妙：比较中心像素和周围像素的大小关系。
具体做法：
- 取一个3×3的窗口
- 中心像素与周围8个像素比较
- 大于中心像素的记为1，小于的记为0
- 得到一个8位的二进制数，就是该点的LBP值
LBP 的好处是计算极快，而且对单调灰度变化不敏感。我在做工业质检时用过LBP——检测布匹表面的纹理缺陷，效果出奇的好。
3. 相似度度量：怎么才算“像”？
特征提取完了，接下来要比较两个目标“像不像”。这就用到相似度度量了。
3.1 巴氏距离（Bhattacharyya Distance）
巴氏距离常用于比较两个概率分布（比如颜色直方图）的相似度。
公式长这样：
d(H1, H2) = sqrt(1 - sum(sqrt(H1(i) * H2(i))))值越小，说明两个分布越相似。巴氏距离对直方图的“形状”比较敏感，适合颜色直方图的匹配。
我记得第一次用巴氏距离做跟踪时，发现它对背景干扰有一定的鲁棒性。因为它是整体分布的度量，局部噪声影响不大。
3.2 欧氏距离（Euclidean Distance）
最直观的距离度量。就是两点之间的直线距离。
d(x, y) = sqrt(sum((xi - yi)^2))欧氏距离简单粗暴，但有个问题：它对特征的尺度很敏感。比如一个特征取值范围是0-1，另一个是0-1000，欧氏距离会被大尺度特征主导。
我的建议：用欧氏距离前，一定要做特征归一化。否则你算出来的距离，说白了就是大尺度特征的“一言堂”。
3.3 余弦相似度（Cosine Similarity）
余弦相似度衡量的是两个向量的方向差异，而不是大小差异。
cos(theta) = (A · B) / (||A|| * ||B||)值越接近1，说明方向越一致。余弦相似度的好处是：不受向量长度的影响。比如两个特征向量，一个长度是另一个的10倍，但只要方向一致，余弦相似度就是1。
我在做人脸验证时特别喜欢用余弦相似度。因为同一个人在不同光照下，特征向量的长度可能变化很大，但方向基本不变。
| 度量方法 | 适用特征 | 对尺度敏感 | 计算速度 |
|---|---|---|---|
| 巴氏距离 | 直方图、概率分布 | 不敏感 | 中 |
| 欧氏距离 | 数值特征向量 | 敏感 | 快 |
| 余弦相似度 | 高维稀疏特征 | 不敏感 | 快 |
知识体系总览
下面这张图，是我自己总结的本章知识结构。你可以把它当作一张“地图”，随时回来查阅。
好了，这一章的内容就到这里。目标表示、特征提取、相似度度量，这三者是目标跟踪的“三驾马车”。理解透了，后面的算法学起来就轻松多了。
可可精品资料库