Camshift的优点与缺点

   之前做的一个项目：在手机上实现波波球、人脸的跟踪。采用的是opencv的Camshift跟踪算法，其结果是对人脸的跟踪效果较好，对小球的跟踪效果较差。通过分析之后发现根本原因是小球移动过快，而人脸的移动较慢，所以Camshift跟踪的上人脸但跟综不上小球，任何一个跟踪算法都有其跟踪速度的极限。还有另外的一个原因是：人脸在视频中占有的区域较大 ，所以背景较简单（相对于人脸），相对于小球在视频中占用的区域较小，所以背景叫复杂（相对于小球而言），为了更好地解释这一原因这面就描述一下Camshift算法的优缺点。

   Camshift的优点：简单，计算量较少，因为Camshift的本质就局部检测，在局部里检测“密度”最大的位置。

   Camshift的缺点：Camshift的优点有时候也正是其缺点，因为其简单，所以对于复杂背景或者纹理丰富的物体跟踪效果较差。因为Camshift是对直方图反投影所形成的二值图像进行处理的，如果背景较为复杂或者物体的纹理较为丰富，那么此二值图像的噪声就很多（具体原因可参考直方图反投影的原理），这将直接干扰Camshift对物体位置的判断。

 所以对Camshift的总结为：Camshift适用于物体表面颜色较为单一，且和背景颜色差距较大

 为了实现手机下的小球跟踪，现进行了如下改进：对直方图反投影图像进行滤波处理，采用的是中值滤波，但滤波处理的计算量较大，这将影响跟踪的速度，所以这里将图像的分辨率减小至原来的三分之一，使整个工程的计算量跟之前的差不多，滤波之后就没有了噪声的影响，但是小球移动过快的情况下依然跟踪失败，这里就将Camshift的局部检测改为全局下的检测，因为没有了噪声（实际效果的确如此），所以这样做是可行的，从而实现了对小球的跟踪