1、“.....目标矩形变化参数求解设前帧目标区域矩形为，其中表示矩形的中心坐决跟踪具有尺度变化和旋转目标跟踪的问题，提出种基于和卡尔曼滤波的跟踪方法。首先提取目标模板的特征以及初始化卡尔曼滤波器，用卡尔曼滤波器预测当前目标的可能位置，其次在可能位置提取特征与目标特征进行匹配......”。

2、“.....算法利用加权颜色直方图描述目标，通过求解系数局部极大值位置以实现目标跟踪，由于采用固定的窗口以及垂直和卡尔曼滤波的跟踪方法。首先提取目标模板的特征以及初始化卡尔曼滤波器，用卡尔曼滤波器预测当前目标的可能位置，其次在可能位置提取特征与目标特征进行匹配，最后对匹配后的特征进行分析计算，获得旋转角度参数尺度变化参数以及目标位置......”。

3、“.....算法利用加权颜色直方图描述目标，通过求解系数局部极大值位置以实现目标跟踪，由于采用固定的窗口以及垂直的核函数，因此对尺度变化和旋转的运动目标不能有效目标矩形变化参数求解设前帧目标区域矩形为，其中表示矩形的中心坐标，表示矩形相对于轴的夹角，表示矩形的长，表示矩形的宽。同理当前目标区域矩形为。卡尔曼滤波建模卡尔曼滤波算法是个最优化自回归数据处理算法，在时域内采用递归滤波的方法对系统状态进行最小均方误。在特征点描述时......”。

4、“.....将此领域均匀地分为个子区域，张俊根，姬红兵迭代扩展卡尔曼粒子滤波跟踪算法电子与信息学报，跟踪具有尺度变化和旋转目标跟踪的问题，提出种基于和卡尔曼滤波的跟踪方法。首先用卡尔曼滤波器预测当前目标的可能位置，在预测区域提取特征与目标特征进行匹配，其次对匹配后的特征进行分析计算，获得旋转角度参数尺度变化参数以及目标位置，最后以矩基于特征和卡尔曼滤波的运动目标跟踪方法论文原稿每个子区域计算梯度方向直方图......”。

5、“.....构成维的向量。特征匹配采用特征点向量间的欧氏距离作为相似性判定度量，将具有最小欧式距离的两个特征点匹配起来。基于特征和卡尔曼滤波的运动目标跟踪方法论文原稿。，跟踪算法仿真实验结果。如图中第帧帧和帧，经典的跟踪算法只能垂直水平的框出运动目标，不能有效的跟踪运动目标的运动方向，在车辆远离摄像机镜头时，不能有效的改变矩形框大小，不能很好的适应运动目标旋转，造成车辆跟踪定位误差，而本文......”。

6、“.....实验结果表明提出的方法对旋转尺度变化的目标有较好的跟踪效果。参考文献，出的算法是采用特征信息，有效提取车辆的运动方向位置以及尺度变化参数，如图中和的跟踪效果，目标矩形框的方向和长宽和位置，随车辆运动变化而变化，能有效的跟踪车辆，定位车辆的位置相比经典算法好，能跟踪具有旋转尺度缩放的运动目标......”。

7、“.....运用开源机器视觉库进行编程实现。为了验证本文方法的有效性，在室外路口处拍摄段视频，分辨率为，跟踪目标为路口拐弯辆车，其方向位置以及尺度大小都发生了变化，并与文献中经典的算法进行跟踪试验对比。图为经，表示矩形相对于轴的夹角，表示矩形的长，表示矩形的宽。同理当前目标区域矩形为。在特征点描述时，取以特征点为中心的像素像素大小的邻域，将此领域均匀地分为个子区域，对每个子区域计算梯度方向直方图......”。

8、“.....构成维的算，获得旋转角度参数尺度变化参数以及目标位置，最后以矩形框出运动目标。实验结果表明提出的方法对旋转尺度变化的目标有较好的跟踪效果。基于特征和卡尔曼滤波的运动目标跟踪方法论文原稿。卡尔曼滤波建模卡尔曼滤波算法是个最优化自回归数据处理算法，在时域内采的核函数，因此对尺度变化和旋转的运动目标不能有效的跟踪。粒子滤波是基于递推计算的序列蒙特卡罗算法，通过寻找组随机样本对概率密度函数进行近似......”。

9、“.....但是该类方法复杂度高，不能满足实时性要求，同时对目标尺度变化及旋转时的跟踪精度不高。为了以矩形框出运动目标。实验结果表明提出的方法对旋转尺度变化的目标有较好的跟踪效果。基于特征和卡尔曼滤波的运动目标跟踪方法论文原稿。状态模型可建模为观测模型可建模为设初始值，。是初始帧目标的中心坐标。关键词特征卡尔曼滤波旋转尺度变化目标跟踪中跟踪。粒子滤波是基于递推计算的序列蒙特卡罗算法......”。