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
可以用于手勢識別，圖像處理，模式識別等

下面是部分譯文：
開發(fā)一個準確，高效，穩(wěn)定的視覺跟蹤器永遠充滿了挑戰(zhàn)，而且任務變得更加困難當目標外形發(fā)生重大和快速變化。雖然觀眾很高興和對世界知名演奏家表現(xiàn)選手感到敬畏，其優(yōu)美的動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，而前景強度分布保持大致平穩(wěn)。一個重要的問題出現(xiàn)，就是有效地利用這種弱的外形恒定的假設在大量形狀的變化之中進行準確視覺跟蹤
強度直方圖也許是最簡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中大量存在。對與形狀為長方形，高效率算法如積分圖像和積分直方圖已成功地應用于目標檢測和跟蹤。特別是，它可以迅速掃描整個圖像找到目標。然而，使用這些方法在一些不規(guī)則的形狀區(qū)域范圍內的強度計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容的變化，一個總的想法是使用（圓形或橢圓形）中心來定義一個區(qū)域，在區(qū)域范圍內加權直方圖可以計算。使用這種方法來快速地圖像掃描是不可能的；相反，可以設計不同的算法，迭代收斂得到目標對象。然而，差分方法在快速的大量的運動中對跟蹤序列來說會產(chǎn)生問題。在某種程度上，這個中心在不規(guī)則的形狀中規(guī)定了一個''規(guī)則性“約束，因而，從不規(guī)則直方圖到常規(guī)形狀的簡單的估算直方圖中降低了高效計算強度直方圖的難度。
另一種方式來處理不規(guī)則形狀的方法是用一個規(guī)則的形狀（如矩形窗口）封閉目標圖像，從封閉區(qū)域計算直方圖。然而，這不可避免地包含了背景像素當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，而且跟蹤結果會相應地降低。此外，缺乏完整的空間信息直方圖也是不可取的。對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度直方圖。然而，對于形狀會發(fā)生重大變化的目標，外觀的空間元素非常突出，平原強度直方圖變得不足，因為它往往產(chǎn)生不穩(wěn)定的跟蹤結果。
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)生計算時間的大幅增加，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象的快速動作。