最近學習了LK光流法，主要用於運動目標的跟蹤，於是想著和之前codebook運動目標檢測結合起來，實現先檢測再跟蹤。

下面介紹目標檢測跟蹤流程：

(1)使用codebook進行背景學習

(2)使用codebook不斷進行運動目標檢測

(3)若發現運動目標，則對運動目標所在區域進行跟蹤

(4)若丟失目標，則重新使用codebook進行運動檢測

下面介紹操作中的一些細節：

（1）codebook檢測結果可能包含噪聲，由於和後續跟蹤息息相關，因此需要去除噪聲，經實驗結果，發現通過計算輪廓長度來去除噪聲是比較有效的，當然假設是需要被檢測的目標是有一定大小的。

（2）codebook檢測出目標後，可以利用

（3）承接（2），當目標被檢測到時，會計算出一個mask，但由於此時進入了跟蹤程式，因此如果不更新mask的話，該區域永遠對著初始區域，不能為後續視訊幀尋找特徵點做幫助。因此，我的做法是，計算特徵點群的質心座標，以此作為mask的中心位置，即mask的運動趨勢與運動目標一致。當特徵點數量不足時，會使用goodFeaturesToTrack進行補點操作，但若由於目標被全部遮擋導致此區域無特徵點，則會再次進行

PS：

具體兩部分實現可參考兩位大牛： (1) codebook:http://blog.csdn.net/zcube/article/details/7353941

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

下面為實驗結果：