(3)snake能量函数定义为:   
(4)能量函数E最小化这个准则下，Snake曲线通过多次迭代，将会使得曲线最终收敛于实际的对象边界，从而实现跟踪的目的。
该算法的优点是不但考虑了图像本身的灰度信息，而且还考虑了跟踪目标的整体外部几何信息，使得跟踪的可靠性得到了加强;缺点是初始化局和部噪声对跟踪结果影响较大。
1.2.4  基于模型的方法
基于模型的方法其基本思想是通过对图像数据和已知物体模型之间进行匹配来实现跟踪。对与非刚性物体和刚性物体，基于模型的跟踪方法是不一样的。基于模型的人体跟踪方法采用预测、匹配、更新模式。主要包括三个方面:构建人体模型、运动模型和约束的先验知识表示、预测和搜索策略。
实现基于模型的人体跟踪的第一步就是构建人体模型。人体模型构建得越复杂，跟踪效果越好，同时计算复杂度越高。
人体几何结构可以用以下四种方式来表示:
(l)线图法(Stick figure)，利用直线近似地表示人体的各个部分;
(2)二文轮廓(2D contour)，利用二文带状或块状区域来表示人体在图像平面上的投影;
(3)立体模型(Volumetric model)，用广义锥、椭圆柱、球等来描述人体结构细节，具有较大的计算复杂度。例如，Knoop等人用十个椭圆柱体分别表示人体腿、脚、上身等各个部位;
(4)分层模型(Hierarchical model)，对骨架、肌肉、脂肪、皮肤等人体部位分层建模。
基于模型的车辆跟踪首先对车辆进行3D建模，然后对图像数据和模型投影之间进行匹配来实现目标的定位和跟踪。由于使用先验知识，使得算法的稳定性能较好，在存在遮挡的时候也能进行较理想的跟踪，物体在运动过程中有很大的方向变化时，基于3D模型的跟踪算法仍然适用。该方法的缺点建立3D模型的时候计算量大，因而在速度上不具有优势。
1.3  视频目标跟踪中的难点问题
通过上节对多种跟踪算法的介绍中可以知道，任何一种跟踪方法都具有优缺点，都受到各多方面因素的因扰，视频跟踪问题中的难点问题主要有以下几点:
(l)运动分割:
图像的捕获受到天气、光照变化、复杂背景、目标遮挡等多方面的影响，都给对运动分割有效性以及准确性的带来了很大的困难。当前广泛使用的背景差分方法，在建立对任何复杂跟踪环境下的动态变化均具有自适应性的背景模型上仍然存在的很大的困难。
(2)遮挡处理：
很多系统不能很好地解决目标自遮挡和目标之间相互遮挡的问题。以人体跟踪为例，发生遮挡时只有部分人体可见，此时运动分割得到的结果可信性降低，必须开发更好的模型来处理遮挡时特征与身体各部分之间的准确对应问题。另外，遮挡发生时，什么时候停止跟踪，什么时间恢复跟踪具有很大的困难。
(3)三文建模与跟踪:
对车辆和人体进行3D模型，带来了建立参数目标模型的难题。人体建模为例，人体模型需要使用许多形状参数才能表达。然而，目前的模型假设3D模型所依据的先验条件都是提前指定的;而且很少会利用关节角度约束和人体部分的动态特性。而实际上，这些形状参数应当都是从图像中估计而得到的。
(4)多台摄像机的使用:
多台摄像机的使用可以使监视的有效范围得到扩大，提供多个不同角度的图像来解决遮挡问题。但是对于多摄像机跟踪系统，系统需要确定在每个时刻选择哪一个台摄像机的图像作为最佳图像。因此，多摄像机之间的图像选择和信息融合是这个系统的一个关键问题。
(5)性能评估:
在1.1节我们讨论了视频跟踪系统要满足三个基本要求:鲁棒性、准确性、实时性。影响鲁棒性的因素有运动目标的姿态变化、环境的光照变化以及遮挡问题等;而准确性目前还没有一个统一的标准;对于实时性，计算量小的算法能很好地进行实时跟踪，但跟踪效果较差，复杂度较高的算法有较好的跟踪效果，但是在实时性方面效果不好。在实际跟踪算法的选择上，往往需要跟踪实际情况进行取舍。 Matlab视频序列中的目标跟踪技术研究(4):http://www.youerw.com/jisuanji/lunwen_8096.html