倒角距离 考察的是目标跟踪结果和真实目标位置之间的距离关系，它表征了目标跟踪过程中的跟踪误差。本文中将倒角距离定义为目标跟踪结果边界框的每一像素点到真实目标位置边界框之间的最小距离的平均值，为了方便与其他指标一同进行分析，倒角距离进行了归一化处理，归一化系数为目标跟踪结果边界框较短边长。倒角距离具体可分为单帧倒角距离和总体倒角距离。单帧倒角距离是针对每一帧中跟踪误差进行计算的，单帧倒角距离为0表示目标跟踪结果边界框与真实目标位置边界框完全重合，跟踪误差为0；单帧倒角距离大于1表示标跟踪结果边界框与真实目标位置边界框基本完全脱离，跟踪误差很大。倒角距离与两边界框之间的距离基本成正比，但不能保证当两边界框不重叠时，倒角距离一定大于1。在跟踪结束后，人机界面将给出单帧倒角距离变化曲线，通过该曲线，可以分析跟踪误差的具体情况与整体趋势。当跟踪过程中途有异常情况发生时，曲线能够清晰反应跟踪误差的变化情况，能更好地辅助对被测算法鲁棒性的分析评估。总体倒角距离是在对单帧倒角距离进行简单处理后得到的平均跟踪误差，为了使总体倒角距离能与其他评估指标范围一致，在进行平均计算之前，将目标跟踪结果与真实目标位置完全脱离的情况下的倒角距离赋值为1，表示误差最大的跟踪状况。
本文采用倒角距离作为跟踪误差的表征指标，它能够较好地分析目标跟踪的准确性。中心位置误差被广泛用于准确性测量，它测量的是目标跟踪结果的质心与真实目标质心位置之间的距离，一般为欧氏距离。而该评估指标有较大问题，当跟踪结果的空间范围与真实目标空间范围相差甚远，而质心却几近重合时，中心位置误差表征效果差。相比于此，倒角距离能够弥补缺陷，有很大的优越性。倒角距离在测量过程中不单考虑到跟踪目标的位置信息，也考虑到了形状信息。设初始情况下的目标跟踪及真实目标位置均为正向，但当车辆转变方向，以一定角度旋转时，真实目标位置如图2.2左所示。若跟踪算法不够灵敏，鲁棒性不够高，则对目标的跟踪可能依旧保持正向跟踪，将真实目标位置与跟踪结果边界框进行叠加，如图2.2右所示，实线边界框为真实目标位置边界框，点划线为跟踪结果边界框，可以看出，虽然真实目标位置边界框与跟踪结果边界框质心重合，即中心位置误差为0，但跟踪误差,是依旧存在的，这种情况下采用倒角距离进行评估，效果较为真实。
 
图2.2  倒角距离示意图
倒角距离的评估优势在于它对于目标跟踪的评估较为全面、真实，在评估过程中，它不仅考察了目标在尺寸变换、位置平移等情况下的跟踪效果，也考察了目标在几何形变、旋转变向时的跟踪效果。同时，倒角距离曲线的评估结果给出了在跟踪失败时，真实目标位置边界框与跟踪结果边界框的脱离程度，一定意义上补充了重合度度量时的缺陷。但倒角距离的评估并不像重合度评估一般直观而精准，只能保证倒角距离的大小与两边界框（跟踪结果边界框及真实目标位置边界框）之间的距离基本成正比。这就需要其他指标进行辅助性综合评估。
2.3  跟踪算法简介
    本文中涉及的跟踪算法有模板匹配算法、均值漂移算法、非参数方差比算法、峰值差分算法及改进型均值漂移算法。
2.3.1  模板匹配算法
    模板匹配算法 为目标跟踪算法中较为常用的算法，它通过对目标进行分析，将目标图像区域制定成模板，与每帧图像的相关区域进行搜索、比对，计算能量函数以估计相似性，将最为相似的区域确定为当前目标位置。该算法的精确度较高，对于图像自身发生类似于旋转、尺寸变换、形状扭曲等异常变化的鲁棒性较好，也不易受到光强变化的干扰，但计算量较大，实时性较差，应用范围较窄，对模板的实时制定要求较高。该算法的精确度还取决于以下三个方面：模板制定的依据、能量函数的选择及搜索方式。模板的制定可以依据目标的灰度特征或其余图像特征；能量函数旨在分析并表征目标匹配的相似程度，常用的匹配方式有平方差匹配、相关系数匹配、相关匹配等等，归一化互相关模板匹配的度量函数为归一化互相关系数；搜索方式决定着算法的运算量及实时性，最常用的方式为全局搜索和线性顺序搜索。本文采用是归一化互相关模板匹配 MATALB视频目标跟踪性能评估软件设计(4):http://www.youerw.com/zidonghua/lunwen_12004.html