Camshift原理 camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的

本文主要是介绍Camshift原理 camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Camshift原理
camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的中心位置。

分为三个部分：
1--色彩投影图（反向投影）：
(1).RGB颜色空间对光照亮度变化较为敏感，为了减少此变化对跟踪效果的影响，首先将图像从RGB空间转换到HSV空间。(2).然后对其中的H分量作直方图，在直方图中代表了不同H分量值出现的概率或者像素个数，就是说可以查找出H分量大小为h的概率或者像素个数，即得到了颜色概率查找表。(3).将图像中每个像素的值用其颜色出现的概率对替换，就得到了颜色概率分布图。这个过程就叫反向投影，颜色概率分布图是一个灰度图像。

2--meanshift
meanshift算法是一种密度函数梯度估计的非参数方法，通过迭代寻优找到概率分布的极值来定位目标。
算法过程为：
(1).在颜色概率分布图中选取搜索窗W
(2).计算零阶距：

计算一阶距：

计算搜索窗的质心：

(3).调整搜索窗大小
宽度为；长度为1.2s；
(4).移动搜索窗的中心到质心，如果移动距离大于预设的固定阈值，则重复2)3)4)，直到搜索窗的中心与质心间的移动距离小于预设的固定阈值，或者循环运算的次数达到某一最大值，停止计算。关于meanshift的收敛性证明可以google相关文献。

3--camshift
将meanshift算法扩展到连续图像序列，就是camshift算法。它将视频的所有帧做meanshift运算，并将上一帧的结果，即搜索窗的大小和中心，作为下一帧meanshift算法搜索窗的初始值。如此迭代下去，就可以实现对目标的跟踪。
算法过程为：
(1).初始化搜索窗
(2).计算搜索窗的颜色概率分布（反向投影）
(3).运行meanshift算法，获得搜索窗新的大小和位置。
(4).在下一帧视频图像中用(3)中的值重新初始化搜索窗的大小和位置，再跳转到(2)继续进行。

camshift能有效解决目标变形和遮挡的问题，对系统资源要求不高，时间复杂度低，在简单背景下能够取得良好的跟踪效果。但当背景较为复杂，或者有许多与目标颜色相似像素干扰的情况下，会导致跟踪失败。因为它单纯的考虑颜色直方图，忽略了目标的空间分布特性，所以这种情况下需加入对跟踪目标的预测算法。

OpenCV实现camshift算法的例子：

[cpp]  view plain copy  
 //对运动物体的跟踪：  
 //如果背景固定,可用帧差法 然后在计算下连通域 将面积小的去掉即可  
 //如果背景单一,即你要跟踪的物体颜色和背景色有较大区别 可用基于颜色的跟踪 如CAMSHIFT 鲁棒性都是较好的  
 //如果背景复杂,如背景中有和前景一样的颜色 就需要用到一些具有预测性的算法 如卡尔曼滤波等 可以和CAMSHIFT结合   
   
 #ifdef _CH_  
 #pragma package <opencv>  
 #endif  
   
 #ifndef _EiC  
 #include "cv.h"  
 #include "highgui.h"  
 #include <stdio.h>  
 #include <ctype.h>  
 #endif  
   
 IplImage *image = 0, *hsv = 0, *hue = 0, *mask = 0, *backproject = 0, *histimg = 0;  
 //用HSV中的Hue分量进行跟踪  
 CvHistogram *hist = 0;  
 //直方图类  
 int backproject_mode = 0;  
 int select_object = 0;  
 int track_object = 0;  
 int show_hist = 1;  
 CvPoint origin;  
 CvRect selection;  
 CvRect track_window;  
 CvBox2D track_box;  
 //Meanshift跟踪算法返回的Box类  
 //typedef struct CvBox2D{  
 //CvPoint2D32f center; /* 盒子的中心 */  
 //CvSize2D32f size; /* 盒子的长和宽 */  
 //float angle; /* 水平轴与第一个边的夹角，用弧度表示*/  
 //}CvBox2D;  
 CvConnectedComp track_comp;  
 //连接部件   
 //typedef struct CvConnectedComp{  
 //double area; /* 连通域的面积 */  
 //float value; /* 分割域的灰度缩放值 */  
 //CvRect rect; /* 分割域的 ROI */  
 //} CvConnectedComp;  
 int hdims = 16;  
 //划分直方图bins的个数，越多越精确  
 float hranges_arr[] = {0,180};  
 //像素值的范围  
 float* hranges = hranges_arr;  
 //用于初始化CvHistogram类  
 int vmin = 10, vmax = 256, smin = 30;  
 //用于设置滑动条  
   
 void on_mouse( int event, int x, int y, int flags, void* param )  
 //鼠标回调函数,该函数用鼠标进行跟踪目标的选择  
 {  
     if( !image )  
         return;  
   
     if( image->origin )  
         y = image->height - y;  
     //如果图像原点坐标在左下,则将其改为左上  
       
     if( select_object )  
     //select_object为1,表示在用鼠标进行目标选择  
     //此时对矩形类selection用当前的鼠标位置进行设置  
     {  
         selection.x = MIN(x,origin.x);  
         selection.y = MIN(y,origin.y);  
         selection.width = selection.x + CV_IABS(x - origin.x);  
         selection.height = selection.y + CV_IABS(y - origin.y);  
           
         selection.x = MAX( selection.x, 0 );  
         selection.y = MAX( selection.y, 0 );  
         selection.width = MIN( selection.width, image->width );  
         selection.height = MIN( selection.height, image->height );  
         selection.width -= selection.x;  
         selection.height -= selection.y;  
     }  
   
     switch( event )  
     {  
     case CV_EVENT_LBUTTONDOWN:  
         //鼠标按下,开始点击选择跟踪物体  
         origin = cvPoint(x,y);  
         selection = cvRect(x,y,0,0);  
         select_object = 1;  
         break;  
     case CV_EVENT_LBUTTONUP:  
         //鼠标松开,完成选择跟踪物体  
         select_object = 0;  
         if( selection.width > 0 && selection.height > 0 )  
             //如果选择物体有效，则打开跟踪功能  
             track_object = -1;  
         break;  
     }  
 }  
   
   
 CvScalar hsv2rgb( float hue )  
 //用于将Hue量转换成RGB量  
 {  
     int rgb[3], p, sector;  
     static const int sector_data[][3]=  
         {{0,2,1}, {1,2,0}, {1,0,2}, {2,0,1}, {2,1,0}, {0,1,2}};  
     hue *= 0.033333333333333333333333333333333f;  
     sector = cvFloor(hue);  
     p = cvRound(255*(hue - sector));  
     p ^= sector & 1 ? 255 : 0;  
   
     rgb[sector_data[sector][0]] = 255;  
     rgb[sector_data[sector][1]] = 0;  
     rgb[sector_data[sector][2]] = p;  
   
     return cvScalar(rgb[2], rgb[1], rgb[0],0);  
 }  
   
 int main( int argc, char** argv )  
 {  
     CvCapture* capture = 0;  
       
     if( argc == 1 || (argc == 2 && strlen(argv[1]) == 1 && isdigit(argv[1][0])))  
         //打开摄像头  
         capture = cvCaptureFromCAM( argc == 2 ? argv[1][0] - '0' : 0 );  
     else if( argc == 2 )  
         //打开avi  
         capture = cvCaptureFromAVI( argv[1] );   
   
     if( !capture )  
     //打开视频流失败  
     {  
         fprintf(stderr,"Could not initialize capturing...\n");  
         return -1;  
     }  
   
     printf( "Hot keys: \n"  
         "\tESC - quit the program\n"  
         "\tc - stop the tracking\n"  
         "\tb - switch to/from backprojection view\n"  
         "\th - show/hide object histogram\n"  
         "To initialize tracking, select the object with mouse\n" );  
     //打印程序功能列表  
       
     cvNamedWindow( "Histogram", 1 );  
     //用于显示直方图  
     cvNamedWindow( "CamShiftDemo", 1 );  
     //用于显示视频  
     cvSetMouseCallback( "CamShiftDemo", on_mouse, 0 );  
     //设置鼠标回调函数  
     cvCreateTrackbar( "Vmin", "CamShiftDemo", &vmin, 256, 0 );  
     cvCreateTrackbar( "Vmax", "CamShiftDemo", &vmax, 256, 0 );  
     cvCreateTrackbar( "Smin", "CamShiftDemo", &smin, 256, 0 );  
     //设置滑动条  
   
     for(;;)  
     //进入视频帧处理主循环  
     {  
         IplImage* frame = 0;  
         int i, bin_w, c;  
   
         frame = cvQueryFrame( capture );  
         if( !frame )  
             break;  
   
         if( !image )  
         //image为0,表明刚开始还未对image操作过,先建立一些缓冲区  
         {  
             image = cvCreateImage( cvGetSize(frame), 8, 3 );  
             image->origin = frame->origin;  
             hsv = cvCreateImage( cvGetSize(frame), 8, 3 );  
             hue = cvCreateImage( cvGetSize(frame), 8, 1 );  
             mask = cvCreateImage( cvGetSize(frame), 8, 1 );  
             //分配掩膜图像空间  
             backproject = cvCreateImage( cvGetSize(frame), 8, 1 );  
             //分配反向投影图空间,大小一样,单通道  
             hist = cvCreateHist( 1, &hdims, CV_HIST_ARRAY, &hranges, 1 );  
             //分配直方图空间  
             histimg = cvCreateImage( cvSize(320,200), 8, 3 );  
             //分配用于直方图显示的空间  
             cvZero( histimg );  
             //置背景为黑色  
         }  
   
         cvCopy( frame, image, 0 );  
         cvCvtColor( image, hsv, CV_BGR2HSV );  
         //把图像从RGB表色系转为HSV表色系  
   
         if( track_object )  
         //track_object非零,表示有需要跟踪的物体  
         {  
             int _vmin = vmin, _vmax = vmax;  
   
             cvInRangeS( hsv, cvScalar(0,smin,MIN(_vmin,_vmax),0),  
                         cvScalar(180,256,MAX(_vmin,_vmax),0), mask );  
             //制作掩膜板，只处理像素值为H：0~180，S：smin~256，V：vmin~vmax之间的部分  
             cvSplit( hsv, hue, 0, 0, 0 );  
             //分离H分量  
               
             if( track_object < 0 )  
             //如果需要跟踪的物体还没有进行属性提取，则进行选取框类的图像属性提取  
             {  
                 float max_val = 0.f;  
                 cvSetImageROI( hue, selection );  
                 //设置原选择框为ROI  
                 cvSetImageROI( mask, selection );  
                 //设置掩膜板选择框为ROI  
                 cvCalcHist( &hue, hist, 0, mask );  
                 //得到选择框内且满足掩膜板内的直方图  
                 cvGetMinMaxHistValue( hist, 0, &max_val, 0, 0 );  
                 cvConvertScale( hist->bins, hist->bins, max_val ? 255. / max_val : 0., 0 );  
                 // 对直方图的数值转为0~255  
                 cvResetImageROI( hue );  
                 //去除ROI  
                 cvResetImageROI( mask );  
                 //去除ROI  
                 track_window = selection;  
                 track_object = 1;  
                 //置track_object为1,表明属性提取完成  
                 cvZero( histimg );  
                 bin_w = histimg->width / hdims;  
                 for( i = 0; i < hdims; i++ )  
                 //画直方图到图像空间  
                 {  
                     int val = cvRound( cvGetReal1D(hist->bins,i)*histimg->height/255 );  
                     CvScalar color = hsv2rgb(i*180.f/hdims);  
                     cvRectangle( histimg, cvPoint(i*bin_w,histimg->height),  
                                  cvPoint((i+1)*bin_w,histimg->height - val),  
                                  color, -1, 8, 0 );  
                 }  
             }  
   
             cvCalcBackProject( &hue, backproject, hist );  
             //计算hue的反向投影图  
             cvAnd( backproject, mask, backproject, 0 );  
             //得到掩膜内的反向投影  
             cvCamShift( backproject, track_window,  
                         cvTermCriteria( CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 10, 1 ),  
                         &track_comp, &track_box );  
             //使用MeanShift算法对backproject中的内容进行搜索,返回跟踪结果  
             track_window = track_comp.rect;  
             //得到跟踪结果的矩形框  
               
             if( backproject_mode )  
                 cvCvtColor( backproject, image, CV_GRAY2BGR );  
                   
             if( image->origin )  
                 track_box.angle = -track_box.angle;  
             cvEllipseBox( image, track_box, CV_RGB(255,0,0), 3, CV_AA, 0 );  
             //画出跟踪结果的位置  
         }  
           
         if( select_object && selection.width > 0 && selection.height > 0 )  
         //如果正处于物体选择，画出选择框  
         {  
             cvSetImageROI( image, selection );  
             cvXorS( image, cvScalarAll(255), image, 0 );  
             cvResetImageROI( image );  
         }  
   
         cvShowImage( "CamShiftDemo", image );  
         cvShowImage( "Histogram", histimg );  
   
         c = cvWaitKey(10);  
         if( (char) c == 27 )  
             break;  
         switch( (char) c )  
         //按键切换功能  
         {  
         case 'b':  
             backproject_mode ^= 1;  
             break;  
         case 'c':  
             track_object = 0;  
             cvZero( histimg );  
             break;  
         case 'h':  
             show_hist ^= 1;  
             if( !show_hist )  
                 cvDestroyWindow( "Histogram" );  
             else  
                 cvNamedWindow( "Histogram", 1 );  
             break;  
         default:  
             ;  
         }  
     }  
   
     cvReleaseCapture( &capture );  
     cvDestroyWindow("CamShiftDemo");  
   
     return 0;  
 }  
   
 #ifdef _EiC  
 main(1,"camshiftdemo.c");  
 #endif  