MeanShift算法(三)之CamShift

CamShift(Continuous Adaptive Mean Shift)是MeanShift的改进算法。建立跟踪目标的颜色概率模型后，可将视频转化为颜色概率分布图，然后在第一帧图像中初始化搜索窗。对以后的每一帧图像， CamShift可以自动调整搜索窗的大小和位置，定位被跟踪目标的中心和大小，并且用当前帧定位结果来预测下一帧图像中目标的中心和大小。

CamShift算法是一种动态变化分布的密度梯度估计的非参数方法。对离散概率分布，其过程如下：

1) 在颜色概率分布图中选取大小为s的搜索W；

2) 计算零阶矩：

计算x、y的一阶矩：

式中I(x,y)是坐标（x，y）的像素值，x、y的变化范围为搜索范围。

3) 计算搜索窗的质心为（x_c,y_c）：

4) 重新设置搜索窗的大小s为上面搜索窗区域内颜色概率分布的函数；

5) 重复2）、3）、4）知道收敛（质心变化小于给定的阈值）。

零阶矩反应了目标在图像中的面积，颜色概率分布图是最大值为255的离散灰度图像。由此，设置搜索窗大小s与Z₀₀的关系为：

考虑对称性，s取值接近计算结果的奇数。

通过计算二阶矩，可得到被跟踪目标的长轴、短轴和方向角。二阶矩为：

目标长轴的方向角为：

图像中目标长轴和短轴的长度可以按一下公式计算：

当用CamShift算法对特定颜色的目标进行跟踪时，不必计算每帧图像所有像素点的颜色概率分布，只需计算比当前搜索窗大一些的区域内的像素点的颜色概率分布，这样可节省很大的计算量。视频序一帧一帧变化时，就形成了连续的跟踪。MeanShift是针对每一帧的目标跟踪，CamShift是针对图像序列的目标跟踪。