许多应用都需要对复杂的三维物体进行跟踪其中包括一些能够提供视觉伺服的人工智能机器人，以及一些需要对物体进行实时注册的增强现实系统等计算机视觉上提供了一些实用廉价的解决方法第一种是基于手工制定的基准点的这种方法具有特征点易提取测量方法可靠易实现的优点，但是具有侵害性，即需要对真实场景中放置基准点第二种是使用图像中的自然特征点来代替之前的基准点,通过匹配利用运动恢复结构的方法进行跟踪缺点在于自然特征点的检测不够鲁棒，所以会使用一些目标物体的三维信息离线信息来辅助跟踪，如CAD模型，此方法的缺点是不能够处理遮挡问题并且容易发生跟踪漂移第三种就是使用先检测再跟踪的方法这种方法的缺陷在于算法时间开销大，并且容易发生跟踪抖动本文提出使用带有标注信息的关键帧进行辅助首先在输入帧中抓取自然特征点，然后通过与关键帧进行匹配，获取从关键帧传递的标注信息在这个标注信息的计算策略中，不仅考虑与前一帧的时间相干性，还引入关键帧区域竞争概念，主要是某个输入帧竞争获胜获得对输入帧的标注信息矫正恢复的概念，使得最终的标注信息更加鲁棒在此标注信息的基础上通过相邻帧的特征点匹配恢复相机参数实现跟踪使用关键帧辅助匹配的优势有五：首先使用的离线数据相对于CAD模型更加廉价简便易行；其次因为对标注信息的考虑较为鲁棒，使得相邻帧基于标注信息的匹配更加准确，得到的跟踪结果误差更小；再次标注信息会对每一帧均会进行计算，所以可以非常有效的处理遮挡；另外，算法不仅考虑关键帧的匹配结果，同时考虑相邻帧的匹配结果，可以有效的结合二者的优势避免发生抖动和漂移问题，最后，这些标注信息可以作为一种信息增强提供给相关应用使用