Chapter 18. Object Tracking

18.1 Main Issues in Tracking

• Statets : What to define as object tracking
  • Postiotion, size, shape, pose, ...
• Likelihood Model : How to measure the similarity
  • Template(block) matching, color histogram, shape, ...
• Prior Model : How to model the motion trakectory
  • Prediction models
  • 이전의 위치를 가지고 다음 위치, 방향을 예측
• Where to search for the object in the next frame
  • Full search, sampling, ...
  • Particle filtering

18.2 Tree categories (Tracking 방법론)

• Kalman filter method : 이동 지역을 예측하여 탐색/트래킹 (최고 높은값활용)
• Particle filter method : 주변을 랜덤하게 잡아 물체가 있는지 탐색/트래킹(평균 값 활용)
• CAMSHIFT : 다음장(Chapter19)에 추가 설명

강사의견 : 어느 필터를 사용해도 성능은 비슷

18.3 Tracker

A Complete module with observation and prior model

• Illumination
• Deformation

Multiple trackers are designed in a tracking system

18. 4 Basic Step

1. Detection
   • Reference model

2. Prediction (Optional: Kalman은 수행, Particle은 미수행)

   • Prior modeling

     이동하고자 하는 위치를 예측하고, 해당 위치에 detection된 물체가 있는지 탐색 주변을 다 검색하면 되지 왜 예측 하는가? -> 동일한 물체가 주변에 있을경우 구부 어려움, 움직임이 빠를경우 탐색할 주변이 넓어짐

3. Matching

   • Observation model
   • Likelihood model
   • Maximization
4. Update (optional)
   • States updates
   • Reference model
   • Expectation