模板匹配TemplateMatching是在图像中寻找目标的方法之一。基本原理就是在一副图像中寻找和模板图像patch最相似的区域。
在opencv中有对应的函数可以调用：
void matchTemplate(const Mat& image,const Mat& templ,Mat& result,int method);
该函数的功能为，在输入原图像image中滑动框，寻找各个位置与模板图像templ的相似度，并将结果保存在结果矩阵result中，该矩阵的每一个点的亮度表示与模板temple的匹配程度，然后可以通过函数minMaxLocal定位矩阵result中的最大值（该函数也可以确定最小值）。问题：通过什么区评价两个图像相似呢？这个评价准则就是参数method，它可以有一下值（匹配的方法）：
CV_TM_SQDIFF 平方差匹配法，最好的匹配为0，值越大匹配越差；
CV_TM_SQDIFF_NORMED 归一化平方差匹配法；
CV_TM_CCORR 相关匹配法，采用乘法操作，数值越大表明匹配越好；
CV_TM_CCORR_NORMED 归一化相关匹配法；
CV_TM_CCOEFF 相关系数匹配法，最好的匹配为1，-1表示最差的匹配；
CV_TM_CCOEFF_NORMED 归一化相关系数匹配法；
前两种方法为值越小表示越匹配，后四种方法值越大越匹配。
其中：
CV_TM_SQDIFF为：Sumof Squared Difference(SSD)差值的平方和：
R(x,y)=sum(T(x',y')-I(x+x',y+y'))^2|(x',y')
CV_TM_CCORR为：Cross Correlation 互相关：
R(x,y)=sum(T(x',y')*I(x+x',y+y'))|(x',y')
其实把SSD可以看成是欧式距离的平方，把SSD展开，可以得到：
R(x,y)=sum(T^2(x',y')-2T(x',y')*I(x+x',y+y')+I^2(x+x',y+y')
可以看到，上面公式第一项（模板图像T的能量）是一个常数，第三项（图像I局部的能量）也可以近似一个常数，那么可以看到，剩下的第二项就是和cross correlation一样的，也就是互相关项。而SSD是数值越大，相似度越小，cross correlation是数值越大，相似度越大。
另外，为了适应目标的变化，就需要随时更新我们要跟踪的目标，换句话说，在跟踪t帧的时候，也就是在第t帧寻找目标的时候，是与t-1帧中我们找到的目标来进行比较的。这样目标的外观变化就会及时更新。这个就是在线跟踪的方法了。但是会有跟踪漂移的问题~