基本介紹
- 中文名：連續自適應的MeanShift算法
- 外文名：Camshift
- 原型：MeanShift 算法
- 原理：用以上方法，對影像串列分析
- 用途：目標跟蹤
簡介,原理,
簡介
它是MeanShift算法的改進，稱為連續自適應的MeanShift算法，CamShift算法的全稱是"Continuously Adaptive Mean-SHIFT"，它的基本思想是視頻圖像的所有幀作MeanShift運算，並將上一幀的結果（即Search Window的中心和大小）作為下一幀MeanShift算法的Search Window的初始值，如此疊代下去。
原理
Camshift 是由Meanshift 推導而來 Meanshift主要是用在單張影像上，但
是獨立一張影像分析對追蹤而言並無意義，Camshift 就是利用MeanShift的方
法，對影像串列進行分析。
(1) 首先在影像串列中選擇ㄧ區域。
(2) 計算此區域的顏色2D機率分布。
(3) 用MeanShift演算法來收斂欲追蹤的區域。
(4) 集中收斂的區域，並標示之。
(5) 每個frame重複(3)(4)。
Camshift 關鍵就在於當目標的大小發生改變的時候，此算法可以自適應調整目標區域繼續跟蹤。
對於OPENCV中的CAMSHIFT例子，是通過計算目標HSV空間下的HUE分量直方圖，通過直方圖反向投影得到目標像素的機率分布，然後通過調用CV庫中的CAMSHIFT算法，自動跟蹤並調整目標視窗的中心位置與大小。
這個算法對於純色物體在黑白背景下的跟蹤效果是很好的，但是如果背景的顏色與目標相近，或者目標附近有與目標的色調相近的算法比較物體，則CAMSHIFT會自動將其包括在內，導致跟蹤視窗擴大，甚至有時會將跟蹤視窗擴大到整個視頻框架。
