-
均值偏移
鎖定
理論發展
然而在以後的很長一段時間內mean shift並沒有引起人們的注意,直到20年以後,也就是1995年,另外一篇關於Mean shift的重要文獻《Mean shift analysis and application》才發表。在這篇重要的文獻中,Yizong cheng對基本Mean shift算法在以下兩個方面做了推廣,首先定義了一族核函數,使得隨着樣本與被偏移點的距離不同,其偏移量對均值偏移向量的貢獻也不同,其次設定了一個權重係數,使得不同的樣本點重要性不一樣,這大大擴大了Mean shift的適用範圍。直到1998年Bradski將MeanShift算法用於人臉的跟蹤才使得此算法的優勢在目標跟蹤領域體現出來。
MeanShift算法是一種無參概率密度估計法,算法利用像素特徵點概率密度函數的梯度推導而得, MeanShift算法通過迭代運算收斂於概率密度函數的局部最大值,實現目標定位和跟蹤,也能對可變形狀目標實時跟蹤,對目標的變形,旋轉等運動也有較強的魯棒性。MeanShift算法是一種自動迭代跟蹤算法,由 MeanShift補償向量不斷沿着密度函數的梯度方向移動。在一定條件下,MeanShift算法能收斂到局部最優點,從而實現對運動體準確地定位。
均值平移算法是一種非參數的統計迭代算法。
- 參考資料
-
- 1. The estimation of the gradient of a density function, with applications in pattern recognition .百度學術[引用日期2018-05-17]