視頻目標處理涉及的目標分割、目標識別、目標檢測和目標跟蹤都是指什么？

      （1）目標分割，應該是Target Segmentation，應該是data/image segmentation的一種。

        這里假定數據是圖像，就如樓上說的，任務是把目標對應的部分分割出來。對於一般的光學圖像而言，分割像素是一個比較常見的目標，就是要提取哪一些像素是用於表述已知目標的。這種Segmentation可以是一個分類（classificatio）問題，就是把每一個pixel做labeling，提出感興趣的那一類label的像素。也可以是clustering的問題，即是不知道label，但需要滿足一些optimality，比如要cluster之間的correlation最小之類的。當然，答主也見過一些針對其他數據的目標分割，比如hyperspectral data，也需要分割哪些頻率或者通道對應的是目標。比如視頻流，那段時間對應是目標。

        下面是一個Target Segmentation的栗子：

 

      （2）目標識別，應該是Target Recognition。

        這是一個基於分類（Classification）的識別（Recognition）問題，即是在所有的給定數據中，分類出哪一些sample是目標，哪一些不是。還是拿圖片作為數據舉例，這個分類的層面往往不是pixel，給定的一些segment，或者定義的對象（Object），或者圖片本身。
       下面是一個Target Recognition的栗子：

       （3）目標檢測，應該是Target Detection。

        最早的detection system應該是搞雷達的人首先提出並且heavily study的，最簡單的任務就是從看似隨機（random）又充滿干擾（interference）和噪音（noise）的信號中，抓取到有信息的特征（information-bearing pattern）。最簡單的一個栗子，就是當你拿到一段隨機的雷達回波，可以設置一個threshold，當高於這個threshold，就認為是探測到了高速大面積飛行器之類的高回波的目標。當然，這里面的threshold該怎么設計，涉及到False Alarm和Miss Detection之間的平衡。人們往往需要尋找最佳的transform或者domain去對信號進行分析。
        下面是一個Target Detection的栗子：

      （4）目標追蹤，應該是Target Tracking。

        這個任務很重要的第一點是目標定位（Target Locating），而且這個任務設計到的數據一般具有時間序列（Temporal Data）。常見的情況是首先Target被Identify以后，算法或者系統需要在接下來時序的數據中，快速並高效地對給定目標進行再定位。任務需要區別類似目標，需要避免不要的重復計算，充分利用好時序相關性（Temporal Correlation），並且需要對一些簡單的變化Robust，必須旋轉，遮蓋，縮小放大，Motion Blur之類的線性或者非線性變化。
        下面是一個Target Detection的栗子：

 

       

 

 

本文摘錄自：https://www.zhihu.com/question/36500536