目标检测+光流跟踪

 最近学习了LK光流法，主要用于运动目标的跟踪，于是想着和之前codebook运动目标检测结合起来，实现先检测再跟踪。

下面介绍目标检测跟踪流程：

(1)使用codebook进行背景学习

(2)使用codebook不断进行运动目标检测

(3)若发现运动目标，则对运动目标所在区域进行跟踪

(4)若丢失目标，则重新使用codebook进行运动检测

下面介绍操作中的一些细节：

（1）codebook检测结果可能包含噪声，由于和后续跟踪息息相关，因此需要去除噪声，经实验结果，发现通过计算轮廓长度来去除噪声是比较有效的，当然假设是需要被检测的目标是有一定大小的。

（2）codebook检测出目标后，可以利用findcontour找到目标的轮廓信息，再利用boundingRect找到包含运动目标的最小长方形，这个长方形可以作为一个mask，用来输入goodFeaturesToTrack，即只在目标检测的区域寻找特征点或添加特征点，避免了无用特征点的使用。

（3）承接（2），当目标被检测到时，会计算出一个mask，但由于此时进入了跟踪程序，因此如果不更新mask的话，该区域永远对着初始区域，不能为后续视频帧寻找特征点做帮助。因此，我的做法是，计算特征点群的质心坐标，以此作为mask的中心位置，即mask的运动趋势与运动目标一致。当特征点数量不足时，会使用goodFeaturesToTrack进行补点操作，但若由于目标被全部遮挡导致此区域无特征点，则会再次进行codebook背景运动目标检测环节。

PS：

具体两部分实现可参考两位大牛： (1) codebook:http://blog.csdn.net/zcube/article/details/7353941

                                                       (2) LK光流：http://blog.csdn.net/yang_xian521/article/details/6987447

下面为实验结果：