目标跟踪：CamShift算法

1.前言

camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的中心位置。

camshift的核心步骤仍然是Meanshift，只是在距离相似性度量的基础之上，又增加了图像灰度相似性的度量。两者共同作用，实现了目标的跟踪。

2.MeanShift

Meanshift作为一种有效地特征空间分析方法，在图像滤波，图像分割，物体跟踪等方面都有广泛的应用。Meanshift算法的详细介绍，可以参见PAMI 2002的paper[1]。

给定d维空间R的n个样本点 ,i=1,…,n,在空间中任选一点x，那么Mean Shift向量的基本形式定义为:   

       

Sk是一个半径为h的高维球区域,满足以下关系的y点的集合:

k表示在这n个样本点xi中,有k个点落入Sk区域中.

简单的理解就是，在d维空间中，任选一个点，然后以这个点为圆心，h为半径做一个高维球，因为有d维，d可能大于2，所以是高维球。落在这个球内的所有点和圆心都会产生一个向量，向量是以圆心为起点落在球内的点位终点。然后把这些向量都相加。相加的结果就是Meanshift向量。
具体如下图所示。其中黄色箭头就是Mh（meanshift向量）。

再以meanshift向量的终点为圆心，