CamShift演算法,OpenCV實現(3):CamShift演算法

 1.原理
在瞭解了MeanShift演算法以後，我們將MeanShift演算法擴充到連續映像序列（一般都是指視頻映像序列），這樣就形成了CamShift演算法。CamShift演算法的全稱是"Continuously Apaptive Mean-SHIFT"，它的基本思想是視頻映像的所有幀作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演算法的Search Window的初始值，如此迭代下去，就可以實現對目標的跟蹤。整個演算法的具體步驟分5步：
Step 1：將整個映像設為搜尋地區。
Step 2：初始話Search Window的大小和位置。
Step 3：計算Search Window內的彩色機率分布，此地區的大小比Search Window要稍微大一點。
Step 4：運行MeanShift。獲得Search Window新的位置和大小。
Step 5：在下一幀視頻映像中，用Step 3獲得的值初始化Search Window的位置和大小。跳轉到Step 3繼續運行。

2.實現
在OpenCV中，有實現CamShift演算法的函數，此函數的原型是：
  cvCamShift(IplImage* imgprob, CvRect windowIn,
                CvTermCriteria criteria, 
                CvConnectedComp* out, CvBox2D* box=0);
其中：
   imgprob：色彩機率分布圖像。
   windowIn：Search Window的初始值。
   Criteria：用來判斷搜尋是否停止的一個標準。
   out：儲存運算結果,包括新的Search Window的位置和面積。
   box：包含被跟蹤物體的最小矩形。

說明：
1.在OpenCV 4.0 beta的目錄中，有CamShift的例子。遺憾的是這個例子目標的跟蹤是半自動的，即需要人手工選定一個目標。