均值漂移跟踪如何工作？ （使用直方图）
How does meanshift tracking work? (using histograms)
我知道，Meanshift 算法计算像素密度的平均值并检查 roi 的中心是否与该点相等。如果不是，它将新的 ROI 中心移动到平均中心并再次检查...。就像这张图：
对于密度，很清楚如何找到均值点。但它不能简单地计算直方图的均值并得到该点的新位置。该算法如何使用颜色直方图工作？
您图像中的特征 space 是二维的。
假设您有一个强度图像（所以它是一维的），那么您将只有一条线（例如从 0 到 255），点位于其上。上面显示的圆圈只是 [0,255] 线上的线段。根据他们的手段，这些线段会移动，就像 2D 中的圆圈一样。
您谈到了颜色直方图，所以我假设您是在谈论 RGB。
在那种情况下，您的功能 space 是 3D，因此您有一个球体而不是线段或圆。您的轴是 R、G、B，图像中的像素是该 3D 特征 space 中的点。然后，您仍然会查看球体的平均值，然后将中心移向该平均值。
我知道，Meanshift 算法计算像素密度的平均值并检查 roi 的中心是否与该点相等。如果不是，它将新的 ROI 中心移动到平均中心并再次检查...。就像这张图：
对于密度，很清楚如何找到均值点。但它不能简单地计算直方图的均值并得到该点的新位置。该算法如何使用颜色直方图工作？
您图像中的特征 space 是二维的。
假设您有一个强度图像（所以它是一维的），那么您将只有一条线（例如从 0 到 255），点位于其上。上面显示的圆圈只是 [0,255] 线上的线段。根据他们的手段，这些线段会移动，就像 2D 中的圆圈一样。
您谈到了颜色直方图，所以我假设您是在谈论 RGB。 在那种情况下，您的功能 space 是 3D，因此您有一个球体而不是线段或圆。您的轴是 R、G、B，图像中的像素是该 3D 特征 space 中的点。然后，您仍然会查看球体的平均值，然后将中心移向该平均值。