（1）鲁棒性：

     鲁棒性意着即使在复杂的环境下，仍然能够很好地追踪目标。对目标跟踪造成困难的因素有很多，包括光照的改变，部分或全部遮挡，快速移动，外形的变化等。 

（2）适应性：

     除了目标所处环境的变化，目标自己本身也在经历着变化，所以目标跟踪算法需要良好地适应目标外观的变化。然而发展高效并且有效的外观模型是一个困难的任务。现存的在线跟踪算法经常运用用邻近帧，在邻近帧提取样本用来更新模型。然而虽然已经取得了很大的进步，仍有许多问题需要我们去解决。首先，当这些适应性模型是依赖于数据的时候，但是一开始就不存在足够量的数据让在线算法去学习。第二，在线跟踪算法经常会遇到漂移问题，由于自我学习能力，这些错位样本可能被增加并且降维，这些对发展高效的外观模型提出了挑战。

（3）实时跟踪：

 为了很好地在实际应用中运用，一个良好的追踪算法必须能够具有很快的跟踪速度。而目标跟踪算法的计算量非常庞大，尽管现如今CPU的速度不断提高，处理数据量如此庞大的图像对于很多目标跟踪算法仍然是一个挑战，所以要使得目标跟踪算法具有良好的跟踪速度从而实现目标的实时跟踪跟踪仍然需要我们付出巨大的努力。

1.4论文的主要工作及内容安排

本文先研究目标跟踪的相关基础知识，了解目标检测与跟踪的常用方法。然后主要研究压缩感知跟踪算法，并通过与一些经典目标跟踪算法的对比实验与其他算法的性能进行比较分析。

    全文共四章，主要包括以下内容：

第一章介绍了背景及发展现状，简单阐述了目标跟踪取得的一些成就，同时简单阐述了目标跟踪算法发展中存在的一些问题。

第二章介绍了目标跟踪的相关内容，包括目标检测的常用方法，目标跟踪的一般流程以及分类，同时简单介绍了一些经典的目标跟踪算法。

第三章从压缩感知跟踪算法的相关基础知识入手，逐步展开介绍，并且介绍了算法的流程。

第四章介绍了几个经典目标跟踪算法的流程，并且将它们与压缩感知跟踪算法进行对比实验，对于实验的结果采取多种参数进行分析。

2运动目标检测与跟踪

2.1引言

本章中，我们将介绍目标跟踪的相关内容。通过介绍几个目标检测的常用方法让大家更好地了解目标检测。同时也会介绍运动目标跟踪的基本流程与分类。我们将重点介绍几个经典目标跟踪算法的原理。

2.2运动目标检测的常见方法

2.2.1背景差分法

背景差分法是利用当前帧与背景作差分来进行目标检测的一种常见方法[27]。由于背景和运动目标在色彩或者是灰度上存在差别，通过把当前帧的灰度值和背景的灰度值作差分，然后得到的结果与预先设定的一个阈值作比较。如果得到的结果大于预先设定的阈值，则判定存在运动物体，反之，则不存在。

    背景差分法的具体步骤如下：

（1）图像预处理：由于传感器的抖动，天气的变化等因素的影响，实际的视频场景往往比较复杂,源^自#优尔?文,论.文'网[www.youerw.com。这就导致了了传感器采集到的视频图像往往夹杂着一些不必要的噪声，所以在进行图像处理之前往往要先对图像进行去噪，然后再进行下一步。