meanshift均值漂移算法目标跟踪中的经典之经典， meanshift算法本质上是最优化理论中的最速下降法。即沿着梯度下降方法寻找目标函数的极值。在跟踪中，就是为了寻找到相似度值最大的候选目标位置。meanshift方法沿着概率密度的梯度方向进行迭代移动，最终达到密度分布的最值位置。其迭代过程本质上是的最速下降法，下降方向为一阶梯度方向，步长为固定值。
meanshift均值漂移算法目标跟踪中的经典之经典，在opencv中已经帮我们实现了这个算法，即如下函数
//! updates the object tracking window using meanshift algorithm
int meanShift( InputArray probImage, CV_OUT CV_IN_OUT Rect& window, TermCriteria criteria );
其中,参数1：probImage: probImage是概率分布图（反向投影图）
参数2：window: 需要跟新的窗口（x,y,width,height)
其实说白了，我们希望利用meanshift算法迭代找到probImage图(概率分布图)的重心位置（通过更新window来体现）。
利用meanshift做跟踪的大致步骤：
(1) 计算目标区域的直方图：首先需要框定想要跟踪的目标（如手掌），确定目标有很多种方式，如可以人工通过鼠标选定，或者通过检测算法（如adboost手掌分类器)进行检测从而框定目标区域，之后，计算框定的目标区域的直方图（概率分布图）
(2) 计算新帧的反向投影图：接着，对于新来的一帧图像，基于步骤(1)中得到直方图
最低0.47元/天 解锁文章
4522
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
