mean sift代码解析

最新推荐文章于 2021-04-10 22:53:15 发布

ahuang1900

最新推荐文章于 2021-04-10 22:53:15 发布

阅读量1.9k

点赞数

分类专栏： Object Tracking

本文链接：https://blog.csdn.net/suky520/article/details/18036481

版权

Mean Shift算法在目标跟踪中应用广泛，OpenCV中的`meanShift`函数用于更新跟踪窗口。该函数接受反向投影图作为输入，通过迭代寻找最佳位置。本文将解析`meanShift`函数的参数及其实现，探讨空间距和中心距的概念，并提供相关参考资料。

摘要由CSDN通过智能技术生成

在做目标跟踪的时候，mean sift算法是堪称经典，在opencv2.4.6中，mean sift的函数原型为如下：

/ /! updates the object tracking window using meanshift algorithm

CV_EXPORTS_W int meanShift( InputArray probImage, CV_OUT CV_IN_OUT Rect& window, TermCriteria criteria );

其中，probImage：在目标跟踪时,probImage表示我们待搜索目标图像的反向投影图（概率分布图），其实就是一幅图像

window：是初始矩形框大小，这里它既是输入，又是输出

criteria：迭代搜索的准则（如需要迭代的次数和需要控制最小值）

在opencv2.4.6中，我们可以看到meanShift的源代码如下：

int cv::meanShift( InputArray _probImage, Rect& window, TermCriteria criteria )
{
    CvConnectedComp comp;
    Mat probImage = _probImage.getMat(); //getMat（）函数将传入的参数转换为Mat的结构，方便你函数内的操作
   
	CvMat c_probImage = probImage;
    int iters = cvMeanShift(&c_probImage, window, (CvTermCriteria)criteria, &comp );

    window = comp.rect;  //更新窗口

    return iters;        //返回迭代次数