追蹤演算法

1. 目標跟蹤都有那些演算法

目標跟蹤,利用相鄰兩幀的區域匹配從圖像序列中建立目標鏈,跟蹤目標從進入監視范圍到駛離監視范圍的整個過程。首稱要確定匹配准則。常用的圖像匹配方法有Hausdorff距離區域法和圖像互相關。

2. 高效光線跟蹤的演算法有那些

淺析3D Max中的高級燈光技術

摘要：3D Max在3D製作軟體中渲染功能一直比較薄弱，使其只甘居Maya等3D製作軟體之下。為彌補這一缺陷，在5.0版中3D Max增加了高級燈光技術，擁有光能傳遞、光線追蹤器兩個全局照明系統，在渲染功能上有了非常顯著的改善。本文主要介紹新的光能傳遞演算法。

關鍵詞：渲染 全局照明 光能傳遞

3D MAX 的渲染功能一直比較薄弱，其效果遠不如其他軟體（例如Maya）那樣逼真，這在很大程度上是因為3D MAX默認的燈光技術不夠先進。

在3D MAX中經常使用「光線追蹤（Ray-Trace）」材質，與之相聯系的就是光線追蹤渲染演算法。這種演算法假設發出很多條光線，光線遇到物體時，被遮擋、反射或者折射，通過跟蹤這些光線，就可以得到場景的渲染效果。但是這種方法有一個嚴重的缺點，就是不能反映現實生活中光的很多特性。例如，在現實生活中，燈光照射到物體後，每個物體都會發射一部分光線，形成環境光，從而導致沒有被燈光直射的物體也能被照明，而不是完全出於黑暗狀態。又如，把一個紅色物體靠近白色的牆壁，那麼牆壁靠近物體的地方會顯出也帶有紅色。還有很多諸如此類的燈光效果，使用光線追蹤演算法都不能產生。

為了解決這些問題，人們發明了更先進的演算法來計算燈光的效果，這就是「光能傳遞（Radiosity）」演算法。這種演算法把光作為光量子看待（實際上更符合現代物理學），通過計算光量子的能量分布獲得渲染結果。這種方法能夠獲得最逼真的照明效果，因此，通常將光能傳遞演算法和光線追蹤演算法結合起來，以獲得最佳的效果。3D MAX5.0新增的高級光照功能則包含了兩個不同的系統：光能傳遞（radiosity）和光線追蹤器（light tracer）。它所得到的結果非常接近對真實事物的再現。

光線追蹤器比較通用，也容易使用，使用它不需要理解許多技術概念，任何模型和燈的類型都適用。光能傳遞相對較復雜，需要為這種處理方式專門准備模型和場景。燈必須是光度控制燈，材質也必須仔細設計。但光能傳遞在物理上是精確的，對於建築模型的精確設計是必須的，這一點非常重要，尤其當建模的目的是進行光照分析時。另外，光線追蹤器的結果與視點無關，而光能傳遞不是這樣的。光線追蹤器在每一幀都計算光照。光能傳遞只會計算一次，除非場景中的物體移動了或燈發生了變化，或者是從另一個不同的視點渲染場景時。基本原則是光線追蹤器更適用於有大量光照的室外場景、角色動畫和在空曠的場景中渲染物體。光能傳遞更適合於使用了聚光燈的室內場景和建築渲染。

使用光線追蹤器進行室內光照模擬時，為避免平坦表面上的噪波，可能需要相當高質量的設定和很長的渲染時間。光能傳遞則可以用更短的時間提供更好的效果。另一方面，光能傳遞用於有許多多邊形的角色模型時，需要額外的細化步驟、過濾，甚至是Regathering(重新聚合)。而光線追蹤器適用默認的設置一次渲染就可以得到更好的效果。

傳統的渲染引擎值考慮直接光照

不考慮反射光，然而，反射光是

一個場景的重要組成部分。 對相同的場景使用全局光照渲染，

上圖使用了光能傳遞（radiosity）

就可以得到一種真實的結果。

光能傳遞是在一個場景中重現從物體表面反射的自然光線，實現更加真實和物理上精確的照明結果。如圖所示。光能傳遞基於幾何學計算光從物體表面的反射。幾何面（三角形）成為光能傳遞進行計算的最小單位。大的表面可能需要被細分為小的三角形面以獲得更精確的結果。場景中三角形面的數目很重要。如果數目不夠結果會不精確，但如果太多時間又會太長。光能傳遞提供一種將大的三角形面自動細分的方法，同時也可以控制每個物體的細分和細化程度。光能傳遞依賴於材質和表面屬性以獲得物理上精確的結果。在場景中進行建模時必須牢記這一點。要使用光度控制燈，而且模型的幾何結構應盡可能准確。

1．單位

要獲得精確的結果，場景中作圖單位是一個基礎。如果單位是「英寸」，一個100×200×96單位的房間可以被一個相當於60瓦燈泡的光度控制燈正確照明，但如果單位是「米」，相同場景會變得非常暗。

2．光能傳遞的解決方案

光能傳遞是一個獨立於渲染的處理過程，一旦解決方案被計算出來，結果被保存在幾何體自己內部。對幾何體或光照作改變將使原解決方案無效。解決方案是為整個場景全局計算的，這意味著它與視點無關。一旦計算出來，就可以從任何方向觀察場景。當攝像機在一個固定場景中移動時，這將會節省時間。如果對幾何體或燈作了動畫，每一幀都必須計算光能傳遞。渲染菜單中的選項允許定義如何處理光能傳遞過程。

。

3. 視頻跟蹤演算法

跟著視頻走

4. 多人視線追蹤演算法的研究

你要把你的問題說清楚才可以呀~否則別人沒法幫助你的！
在網路提問頁面的頂端可以看到「我要提問」這個選項，在提問輸入框中輸入您的問題，或直接點擊「我要提問」進入提問頁，在這里您需要描述清楚您的問題，為了更好地得到答案，可通過文字、截圖，對問題進行更詳細的描述並懸賞！

5. 如何實現多種目標跟蹤演算法並行實現對比

本文通過理論和實際的分析，提出一種在以矩不變數為特徵的目標跟蹤系統中引入並行計算機處理的演算法，該演算法將目標跟蹤過程中的特徵提取和模塊匹配演算法結合起來進行合理劃分，使得在每個控制間隔里，兩部分交換信息後分別同時計算，從而在任務級上實現並行處理。

6. 自動跟蹤的跟蹤演算法

質心跟蹤演算法：這種跟蹤方式用於跟蹤有界目標，且目標與環境相比有明顯不同灰度等級，如空中飛機等。目標完全包含在鏡頭視場范圍內。

相關跟蹤演算法：相關可用來跟蹤多種類型的目標，當跟蹤目標無邊界且動態不是很強時這種方式非常有效。典型應用於：目標在近距離的范圍，且目標擴展到鏡頭視場范圍外，如航行在大海中的一艘船。

相位相關演算法：相位相關演算法是非常通用的演算法，既可以用來跟蹤無界目標也可以用來跟蹤有界目標。在復雜環境下（如地面的汽車）能給出一個好的效果。

多目標跟蹤演算法：多目標跟蹤用於有界目標如飛機、地面汽車等。它們完全在跟蹤窗口內。對復雜環境里的小目標跟蹤，本演算法能給出一個較好的性能。
邊緣跟蹤演算法：當跟蹤目標有一個或多個確定的邊緣而同時卻又具有不確定的邊緣，這時邊緣跟蹤是最有效的演算法。典型如火箭發射，它有確定好的前邊緣，但尾邊緣由於噴氣而不定。

場景鎖定演算法：該演算法專門用於復雜場景的跟蹤。適合於空對地和地對地場景。這個演算法跟蹤場景中的多個目標，然後依據每個點的運動，從而估計整個場景全局運動，場景中的目標和定位是自動選擇的。當存在跟蹤點移動到攝像機視場外時，新的跟蹤點能自動被標識。瞄準點初始化到場景中的某個點，跟蹤啟動，同時定位瞄準線。在這種模式下，能連續跟蹤和報告場景里的目標的位置。

組合跟蹤演算法：顧名思義這種跟蹤方式是兩種具有互補特性的跟蹤演算法的組合：相關類演算法 + 質心類演算法。它適合於目標尺寸、表面、特徵改變很大的場景。

7. 光線跟蹤演算法的演算法的詳細描述

Arthur Appel 於 1968 年首次提出用於渲染的光線投射演算法。光線投射的基礎就是從眼睛投射光線到物體上的每個點，查找阻擋光線的最近物體，也就是將圖像當作一個屏風，每個點就是屏風上的一個正方形。通常這就是眼睛看到的那個點的物體。根據材料的特性以及場景中的光線效果，這個演算法可以確定物體的濃淡效果。其中一個簡單假設就是如果表面面向光線，那麼這個表面就會被照亮而不會處於陰影中。表面的濃淡效果根據傳統的三維計算機圖形學的濃淡模型進行計算。光線投射超出掃描線渲染的一個重要優點是它能夠很容易地處理非平面的表面以及實體，如圓錐和球體等。如果一個數學表面與光線相交，那麼就可以用光線投射進行渲染。復雜的物體可以用實體造型技術構建，並且可以很容易地進行渲染。
位於紐約Elmsford, New YorkMathematical Applications Group, Inc.（MAGI）的科學家首次將光線投射技術用於生成計算機圖形。1966 年，為了替美國國防部計算放射性污染創立了這個公司。MAGI 不僅計算了伽馬射線如何從表面進行反射（輻射的光線投射自從二十世紀四十年代就已經開始計算了），也計算了它們如何穿透以及折射。這些研究工作幫助政府確定一些特定的軍事應用；建造能夠保護軍隊避免輻射的軍用車輛，設計可以重入的太空探索交通工具。在 Philip Mittelman 博士的指導下，科學家們開發了一種使用同樣基本軟體生成圖像的方法。1972 年，MAGI 轉變成了一個商業動畫工作室，這個工作室使用光線投射技術為商業電視、教育電影以及最後為故事片製作三維計算機動畫，他們全部使用光線投射製作了 Tron 電影中的絕大部分動畫。MAGI 於 1985 年破產。 對圖像中的每一個像素 {
創建從視點通過該像素的光線 初始化 最近T 為 無限大，最近物體 為 空值 對場景中的每一個物體 {
如果光線與物體相交 {
如果交點處的 t 比 最近T 小 {
設置 最近T 為焦點的 t 值 設置 最近物體 為該物體
}
}
}
如果 最近物體 為 空值
{
用背景色填充該像素
}
否則
{
對每個光源射出一條光線來檢測是否處在陰影中 如果表面是反射面，生成反射光；遞歸 如果表面透明，生成折射光；遞歸 使用 最近物體 和 最近T 來計算著色函數 以著色函數的結果填充該像素
}
}

8. 計算機視覺中，目前有哪些經典的目標跟蹤演算法

benchmark 2015版：Visual Tracker Benchmark 不過這些演算法都比較新 要看老的話主要是06年這篇paper http://crcv.ucf.e/papers/Object%20Tracking.pdf 和09年有一篇暫時忘記paper名字了
古老的方法比如optical flow，kalman filter(後面的particle filter)……了解不多不瞎扯了

目前tracking主要是兩種，discriminative 和 generative，當然也有combine兩個的比如SCM。你提到的都是前者，就是演算法裡面基本有一個classifier可以分辨要追蹤的物體。這類除了你說的最近比較火的還有速度極占優勢的CSK（後來進化成KCF/DCF了）
另一種generative的方法，大致就是用模版（或者sparse code）抽一堆feature，按距離函數來匹配。L1，ASLA，LOT，MTT都是。

最近才開始了解tracking，所以說得可能並不是很對，僅供參考

9. 多假設追蹤方法mht是什麼演算法

多假設跟蹤演算法是一種數據關聯類型的多目標跟蹤演算法，實現方式分為面向假設的MHT和面向航跡的MHT兩種。
MHT演算法的實現流程包括航跡關聯和航跡維護兩個步驟。
MHT演算法計算量龐大，隨著量測數和目標數呈指數級增長，但對於雜波密集環境下的多目標跟蹤具有很高的准確率。