无人驾驶感知篇之目标跟踪（二）

     目标跟踪早期跟踪算法主要主要包括Meanshift跟踪算法、Camshift跟踪算法、Kalman滤波跟踪算法、粒子滤波跟踪算法。也有其他算法，我主要列举这几个算法，这篇文章主要说说Meanshift跟踪算法。

1.什么是Meanshift跟踪算法

      meanshift算法使用图像的颜色直方图信息作为 整个搜索过程的特征。为了实现快速目标定位，采用 梯度优化法。此外，它采用Bhattacharyya系数作为 目标模板与候选目标完成特征匹配的相似性函数。 对于meanshift目标跟踪,目标和候选目标的模型通常 是对目标区域的图像特征进行统计而得到的离散概 率密度函数。

2.Meanshift跟踪算法模型

      目标模型：

      候选目标：

      上式中： 为候选目标中心的图像坐标。跟踪 窗口通常定义为一个矩形区域。假设目标的中心位于直角坐标系的原点， 目标模型的概 率密度可以定义为：

       其中k(x) 的功能是在跟踪窗口的每一个像素设置权 重，因为靠近外侧的像素容易被遮挡或受背景干扰， 离跟踪窗口中心越近，将被设置的权重越大，这在一定程度上增加了模型的可靠性。

位于位置y候选目标的模型定义为：

 表示目标模型与候选目标之间的相似程度的 Bhattacharyya系数可以被定义为：

式中：

        meanshift算法是一个迭代的过程，其目的是最 大限度的减少 的距离，最小距离对应于最大化 Bhattacharryya系数。给定目标在当前帧的初始位置 ，计算在的Bhattacharryya系数的泰勒展开，在 忽略高阶项系数的情况下，将目标模型和候选目标模型定义的目标 模型代入，整理后可得：