OpenCV4学习笔记（37）——CAMShift（Continuously Adaptive MeanShift）算法

在上次的笔记《OpenCV4学习笔记（36）——基于均值迁移（MeanShift）算法和直方图反向投影的目标移动跟踪》中，整理记录了一种针对目标的移动跟踪算法，主要是基于均值迁移和直方图反向投影来实现的。而今天要记录的笔记内容，依然是一种针对目标的移动跟踪算法——CAMShift目标移动跟踪算法，这种算法是基于MeanShift目标移动跟踪算法的改进。

CAMShift算法其实就是连续自适应的MeanShift算法，是对MeanShift 算法的改进，它能够自动调节搜索窗口大小来适应目标的大小，可以跟踪视频中尺寸变化的目标。

CAMShift算法相比起MeanShift算法主要具有两个改进方向：
一是CAMShift算法会根据跟踪对象的大小变化来自动调整搜索窗口大小；
二是返回的检测目标信息更加完整，不仅包含位置信息，同时还包含了角度信息，也即返回的是目标所在的最小外接旋转矩形。

在OpenCV中提供了CamShift()这个API来实现CAMShift算法，它的返回值为一个包含位置和角度的旋转矩形，其参数列表如下：

第一个参数probImage：输入的概率分布图像，也就是反向投影图像；

第二个参数window：目标位置的初始窗口；

第三个参数criteria：迁移终止条件，TermCriteria::EPS为迁移距离小于阈值时停止迁移，TermCriteria::COUNT为迁移迭代次数达到设定的最大值时停止迁移，可以两者同时使用。

下面看一下具体的代码演示：

	VideoCapture capture;
	capture.open("D:\\opencv_c++\\opencv_tutorial\\data\\images\\balltest.mp4");
	//capture.open(0);
	if (!capture.isOpened())
	{
   
		return 0;
	}
	//提取第一帧图像中ROI区域并将其转化为HSV图像
	Mat first_image, first_hsv, roi_image, roi_hsv;
	capture.read(first_image);
	Rect roi_rect = selectROI("first_image", first_image, false, false);
	roi_image = first_image(roi_rect).clone();
	cvtColor(roi_image, roi_hsv, COLOR_BGR2HSV);
	//计算ROI图像的直方图
	Mat roi_hist;
	int dims = 2;
	int channels[2] = {
    0,1 };
	int histSize[2] = {
    180,255 };
	float ranges_