论文部分内容阅读
近年来,均值迁移(Meanshift)方法在解决计算机视觉底层过程中表现出了良好的鲁棒性和较高的处理速度,因而在计算机视觉领域得到了高度关注。尤其在目标跟踪方面,均值迁移方法的发展为同时解决目标跟踪的稳定性和实时性提供了一个有力的工具均值迁移方法具有很高的稳定性,能够适应目标的形状、大小的连续变化,而且计算速度很快,抗干扰能力强,能够保证系统的实时和稳定性目前已有众多关于均值迁移的文献被发表。