原文：2010 (CVaIU) Online visual tracking with histograms and articulating blocks
原文：用直方圖和表述塊的視覺跟蹤
可以用于手勢(shì)識(shí)別，圖像處理，模式識(shí)別等

下面是部分譯文：
開發(fā)一個(gè)準(zhǔn)確，高效，穩(wěn)定的視覺跟蹤器永遠(yuǎn)充滿了挑戰(zhàn)，而且任務(wù)變得更加困難當(dāng)目標(biāo)外形發(fā)生重大和快速變化。雖然觀眾很高興和對(duì)世界知名演奏家表現(xiàn)選手感到敬畏，其優(yōu)美的動(dòng)作和令人眼花繚亂表演為任何視覺跟蹤器提供多重挑戰(zhàn)。在這例子（和許多其他例子），外觀變化主要是由于形狀的變化，而前景強(qiáng)度分布保持大致平穩(wěn)。一個(gè)重要的問題出現(xiàn)，就是有效地利用這種弱的外形恒定的假設(shè)在大量形狀的變化之中進(jìn)行準(zhǔn)確視覺跟蹤
強(qiáng)度直方圖也許是最簡(jiǎn)單的方式來表示物體的外觀，基于這種想法的跟蹤算法在文獻(xiàn)中大量存在。對(duì)與形狀為長(zhǎng)方形，高效率算法如積分圖像和積分直方圖已成功地應(yīng)用于目標(biāo)檢測(cè)和跟蹤。特別是，它可以迅速掃描整個(gè)圖像找到目標(biāo)。然而，使用這些方法在一些不規(guī)則的形狀區(qū)域范圍內(nèi)的強(qiáng)度計(jì)算直方圖不能高效和迅速地跟蹤。為了處理基于跟蹤的直方圖內(nèi)容的變化，一個(gè)總的想法是使用（圓形或橢圓形）中心來定義一個(gè)區(qū)域，在區(qū)域范圍內(nèi)加權(quán)直方圖可以計(jì)算。使用這種方法來快速地圖像掃描是不可能的；相反，可以設(shè)計(jì)不同的算法，迭代收斂得到目標(biāo)對(duì)象。然而，差分方法在快速的大量的運(yùn)動(dòng)中對(duì)跟蹤序列來說會(huì)產(chǎn)生問題。在某種程度上，這個(gè)中心在不規(guī)則的形狀中規(guī)定了一個(gè)''規(guī)則性“約束，因而，從不規(guī)則直方圖到常規(guī)形狀的簡(jiǎn)單的估算直方圖中降低了高效計(jì)算強(qiáng)度直方圖的難度。
另一種方式來處理不規(guī)則形狀的方法是用一個(gè)規(guī)則的形狀（如矩形窗口）封閉目標(biāo)圖像，從封閉區(qū)域計(jì)算直方圖。然而，這不可避免地包含了背景像素當(dāng)前景形狀不能近似封閉。因此，由此產(chǎn)生的直方圖被背景像素破壞，而且跟蹤結(jié)果會(huì)相應(yīng)地降低。此外，缺乏完整的空間信息直方圖也是不可取的。對(duì)于這樣的問題如臉部跟蹤，沒有顯著的形狀變化，作為主要跟蹤特征它適用于使用強(qiáng)度直方圖。然而，對(duì)于形狀會(huì)發(fā)生重大變化的目標(biāo)，外觀的空間元素非常突出，平原強(qiáng)度直方圖變得不足，因?yàn)樗a(chǎn)生不穩(wěn)定的跟蹤結(jié)果。
上述問題在一定程度上已得到解決。不過，他們中的大部分問題產(chǎn)生計(jì)算時(shí)間的大幅增加，因而這些算法適用只有本地搜索和全球的影像掃描不可行的。因此，這樣的算法是無法追蹤對(duì)象的快速動(dòng)作。