1. 核心思想
-
颜色特征建模
-
将目标的颜色分布(如HSV空间的H通道)表示为概率密度函数(PDF)。
-
使用直方图统计目标区域内颜色的概率分布(即“目标模型”)。
-
-
相似性度量
-
在后续帧中,计算候选区域与目标模型的相似度(常用Bhattacharyya系数)。
-
通过Mean-Shift迭代,找到相似度最高的区域(密度峰值)。
-
-
密度梯度上升
-
通过均值漂移向量逐步调整候选窗口位置,使其向真实目标位置移动。
-
2. 算法步骤
2.1 初始化(第一帧)
-
手动或自动标定目标区域(如矩形框)。
-
提取目标区域的颜色直方图