1994年CVPR论文：优化特征跟踪与检测方法

"Good Features to Track: A CVPR1994 Perspective" 该篇文章由Jianbo Shi和Carlo Tomasi合作撰写，发表在1994年的计算机视觉会议(CVPR)上，着重讨论了在计算机视觉系统中有效跟踪的重要性。在早期的计算机视觉领域，特征选择和跟踪是关键技术的核心，因为没有稳定的、与物理世界对应的良好特征，系统的性能将大打折扣。 文章指出，虽然跟踪本身作为一个问题已经得到了一定程度的解决，但如何挑选出既能良好追踪又能够映射到真实世界物理点的特征仍然是一个挑战。作者提出了一个基于追踪器工作原理的特征选择准则，这个准则通过构造优化来确保选取的特征对追踪过程最为有利。这种方法考虑了追踪算法在面对图像变换时的适应性，如使用扩展的牛顿-拉弗森搜索方法。 此外，文章还介绍了一种特征监控方法，它能检测并处理特征丢失（occlusions）、错误匹配和不对应于现实世界点的情况。这些监测技术对于保持追踪精度和鲁棒性至关重要，尤其是在复杂的场景中，例如运动物体遮挡或光照变化。 通过多组模拟实验，作者展示了新提出的特征选择和监测方法的有效性和实用性。这些研究成果不仅提升了计算机视觉系统的性能，而且为后续的跟踪算法发展奠定了理论基础，对于实时和准确的视觉跟踪应用具有重要意义。在现代的机器学习和计算机视觉研究中，这一工作仍被广泛引用，因为它强调了特征选择策略在复杂视觉任务中的核心作用。