论文部分内容阅读
【摘要】：CamShift算法的全称是Continuously Apaptive MeanShift，它的基本思想是视频图像的所有帧作MeanShift运算，并将上一帧的结果（即搜索窗口的中心和大小）作为下一帧MeanShift算法的搜索窗口的初始值，如此迭代下去，就可以实现对目标的跟踪，本文分析了camshift算法的基本原理。
CamShift算法是基于连续图像颜色动态变化的概率分布获得的一种有效的目标跟踪算法，具有鲁棒性强和实时性好等优点。它利用目标的颜色特征在视频图像中找到运动目标所在的位置和大小，在下一帧视频图像中，用运动目标当前的位置和大小初始化搜索窗口，重复这个过程就可以实现对目标的连续跟踪。当追踪有色目标时，CamShift算法从图像的颜色直方图获得颜色概率分布。当目标随时间运动时，图像的颜色概率分布也随着变化，因此可以根据图像颜色的概率分布变化来追踪目标。
CamShift算法的整个过程如图1所示，虚框部分是CamShift算法的核心，也就是MeanShift算法，目的是在视频图像中找到运动目标所在的位置。MeanShift算法是基于图像颜色的静态概率分布进行的，而CamShift算法则基于图像颜色的动态概率分布。在连续的视频图像序列中，运动目标的大小和位置的变化容易导致相应的概率分布动态变化，CamShift算法建立被跟踪目标的颜色概率模型后，可将视频图像转化为颜色概率分布图，然后在第一帧图像初始化一个矩形搜索窗，对以后的每一帧图像，CamShift能够自动调节搜索窗的大小和位置，定位被跟踪目标的中心和大小，并用当前帧定位的结果来预测下一帧图像中目标的中心和大小。其算法实现步骤如下：
1）将整幅图像设为搜寻区域；
2）初始化搜索窗口的初始位置；
3）計算搜索窗口内的彩色概率分布，此区域的大小比搜索窗口要稍微大一点；
4）运行MeanShift，获得搜索窗口新的位置和大小；
5）在下一帧视频图像中，用步骤4获得的值初始化搜索窗口的位置和大小，跳转到步骤3继续运行直至收敛（或者形心移动的距离小于事先设定的阈值）。
CamShift算法是基于连续图像颜色动态变化的概率分布获得的一种有效的目标跟踪算法，具有鲁棒性强和实时性好等优点。它利用目标的颜色特征在视频图像中找到运动目标所在的位置和大小，在下一帧视频图像中，用运动目标当前的位置和大小初始化搜索窗口，重复这个过程就可以实现对目标的连续跟踪。当追踪有色目标时，CamShift算法从图像的颜色直方图获得颜色概率分布。当目标随时间运动时，图像的颜色概率分布也随着变化，因此可以根据图像颜色的概率分布变化来追踪目标。
CamShift算法的整个过程如图1所示，虚框部分是CamShift算法的核心，也就是MeanShift算法，目的是在视频图像中找到运动目标所在的位置。MeanShift算法是基于图像颜色的静态概率分布进行的，而CamShift算法则基于图像颜色的动态概率分布。在连续的视频图像序列中，运动目标的大小和位置的变化容易导致相应的概率分布动态变化，CamShift算法建立被跟踪目标的颜色概率模型后，可将视频图像转化为颜色概率分布图，然后在第一帧图像初始化一个矩形搜索窗，对以后的每一帧图像，CamShift能够自动调节搜索窗的大小和位置，定位被跟踪目标的中心和大小，并用当前帧定位的结果来预测下一帧图像中目标的中心和大小。其算法实现步骤如下：
1）将整幅图像设为搜寻区域；
2）初始化搜索窗口的初始位置；
3）計算搜索窗口内的彩色概率分布，此区域的大小比搜索窗口要稍微大一点；
4）运行MeanShift，获得搜索窗口新的位置和大小；
5）在下一帧视频图像中，用步骤4获得的值初始化搜索窗口的位置和大小，跳转到步骤3继续运行直至收敛（或者形心移动的距离小于事先设定的阈值）。