Mean-Shift目标跟踪算法详解

1. 核心思想

1. 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”）。

2. 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）。

3. 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）

1. 手动或自动标定目标区域（如矩形框）。

2. 提取目标区域的颜色直方图（通常用HSV的H通道或RGB联合直方图）。

   • 对直方图进行归一化，得到概率分布 ququ​（u