运动估计技术是视频对象跟踪的关键.也就是说,运动估计的越准,视频对象的跟踪精度就越高.常用的运动估计技术是基于块的运动表示方法,即块匹配算法(BMA),该文作者曾对其进行过大量深入的研究工作,并取得了阶段性的成果.通过块匹配算法的研究结果表明,块匹配算法在运算复杂度和恢复图像信噪比两者之间取得较好的折衷,比较适合于处理平移运动,但是不能很好地处理旋转、缩放等复杂运动,且运动边界容易产生比较明显的“块效应”(Block Artifacts),尤其对于非刚性和变形目标的运动补偿计算显得很困难.另外,由于视频信息的应用要求已逐渐由播放型转向基于内容(Content-based)的访问操作型,基于块的视频表示方法很难进行基于内容交互(编辑、操作、访问等)以及通过精确的运动和边界建模进行内容自适应的视频处理.为了解决基于块的运动表示方法中存在的问题,该文主要采用基于网格模型的运动表示方法作为视频对象跟踪研究的主要理论基础.构造基于对象特征的网格(Object-based Mesh)可以很好地克服块效应问题,使网络模型能够更好地反映图像的内容,更精确地进行对象表示和视频对象跟踪.