meanshift公式.docxVIP

meanshift公式第一步：rect（含有四个参数：矩形框的左上点坐标，矩形框的宽和高）矩形框的中心坐标：第二步：矩形框的高为a，宽为b（a为行数，b为列数）带宽计算矩形区域每一点的权重矩阵（模板帧）m_wei是一个axb的矩阵其中即归一化系数C为矩阵m_wei中每个元素相加的和的倒数第三步：rgb颜色空间量化为16x16x16bins矩形框区域内每个像素点中的RGB分量为q_R,q_B,q_G求出的q_temp用来作为的是hist1矩阵的列向量下标形式为第四步：计算权重矩阵hist1为1行4096列的矩阵其中中的当计算矩形区域中的第一个像素时计算矩形区域中的坐标为（i,j）的像素时也就是说，q_temp决定着hist1中的第一行第几列不为零，而hist1为q_temp中权重值相同的像素加到同一列上去。第五步：计算文件夹中的.jpg文件的个数，开始循环处理第六步：设定偏移量的范围，确定迭代的条件第七步：处理当前帧的权重矩阵并归一化矩形框区域内每个像素点中的RGB分量为q_R,q_B,q_G求出的q_temp用来作为的是hist1矩阵的列向量下标形式为hist2为1行4096列的矩阵其中中的当计算矩形区域中的第一个像素时计算矩形区域中的坐标为（i,j）的像素时也就是说，q_temp1决定着hist2中的第一行第几列不为零，而hist2为q_temp1中权重值相同的像素加到同一列上去。第八步：计算比值第九步：计算偏移量，更新坐标改变rect中的参数，判断是否满足迭代条件，若不符合则按照上述步骤继续迭代第十步：更新矩形区域中心位置，更新跟踪轨迹结果meanshift的基本形式：给定的d维空间中的n个样本点，在x点的meanshift向量的基本形式定义为：其中，是一个半径为h的高维球区域，满足以下关系的y点的集合，，k表示在这n个样本点中有k个点落入区域中。meanshift的核函数X为d维的欧式空间，x为空间中的一点属于Xk为剖面函数k是非负的，k是非增的，即如果，那么，k 是分段连续的，并且核函数也叫窗口函数，在核估计中起到平滑的作用。常用的核函数有：Uniform，Epannechnikov，Gaussian等。本文算法只用到了Epannechnikov，它数序定义如下：引入权重系数是因为所有的样本点中重要性不一样引入核函数是因为离x越近的采样点对估计x周围的统计性越有效，可以考虑距离的影响扩展的meanshift形式：G（x）是一个单位核函数H是一个正定的对称dxd矩阵（带宽矩阵）目标模型描述：假设其中有n个像素用表示其位置，对选中的区域灰度颜色空间均匀划分，得到由m个相等的区间构成的灰度直方图目标模型的概率密度可表示为：表示以目标中心为原点的归一化像素的位置为目标的中心坐标，k是核函数的截断函数，常选用Epanechikov核函数。表示处像素属于哪个直方图区间，u为直方图的颜色索引函数的作用是判断目标区域中像素处的灰度值是否属于直方图中第u个单元，等于为1 ，否则为0.C是归一化系数。Epannechnikov核函数：其他x的模：（x为欧式空间x中的一个点，用一个列向量表示）指在m维空间中两个点之间的真实距离，或者向量的自然长度候选模型描述：在第t帧时，第t-!帧的目标中心位置为，以为搜索窗口的中心得到候选目标的中心位置坐标 f,计算当前帧的候选目标区域直方图，该区域的像素用表示，则概率密度为：h为核函数窗口大小相似性度量：Bhattacharyya系数作为相似性函数（对两个统计样本的重叠量的近似计算）计算巴氏系数涉及到对两个样本的重叠部分进行基本形式的积分。Bhattacharyya系数用来度量两个统计样本的重叠度。该系数可以用来度量两个样本集的可分性。计算Bhattacharyya系数包含了一个基本的关于两个样本集重合度的积分运算。两个样本集中的定义域被分成了事前定义的几份，这种划分可以体现在下面的定义中：a，b代表样本，n代表划分的数目，和分别代表两个样本集中在第i个划分中的样本之和。对于两个样本集来说，如果相同划分中的样本数越多，样本和越大，则该式的值越大。划分数的选择取决于每一个样本集中的样本数；太少的划分将因为过高估计了重叠区域而减小精度，而太多的划分将会因为在该本该有重叠的区域没有恰好重叠而减小精度（最精细的划分将会使每一个相同的区间中都没有重叠）。迭代过程：均值漂移的过程即为目标位置搜索的过程，将相似性函数进行泰勒展开使相似函数最大在第一个式子中只有第二部分随f变化其极大化过程就可以通过候选区域中心向真实区域中心的meanshift迭代方程完成meanshift方法就是从起向两个模型相比颜色变化最大的方向不断移动，直到最后两次移动距离小于阈值，即找到当前帧的目标位置并且以此作为下一帧的起始搜索窗口中心，如此