4. 经典跟踪算法（二）：连续自适应均值漂移（CamShift）算法原理、与Mean Shift的区别、应用场景

4.1 从Mean Shift到CamShift：我踩过的坑

说起CamShift，我得先聊聊Mean Shift。很多教材喜欢把CamShift说成是Mean Shift的“升级版”，这个说法没错，但不够具体。

我当年第一次用Mean Shift做目标跟踪时，遇到一个很头疼的问题：目标在画面里忽大忽小。比如一个人朝镜头走来，他的脸在画面中会逐渐变大。Mean Shift的搜索窗口是固定大小的，目标一变大，窗口就框不住了，跟踪直接漂移。

后来我查资料才发现，CamShift就是专门解决这个问题的。它全称是Continuously Adaptive Mean Shift，翻译过来就是“连续自适应均值漂移”。说白了，它能在每一帧里自动调整搜索窗口的大小和方向。

嗯，这里要注意：CamShift不是凭空造出来的新算法，它是在Mean Shift的基础上加了一个“自适应”的步骤。这个步骤很关键，我后面会细讲。

4.2 CamShift的核心原理

CamShift的流程，我习惯用四个步骤来概括：

  1. 初始化：选定目标区域，计算其颜色直方图作为模板
  2. 反向投影：将当前帧转换为概率图，每个像素值代表它属于目标的概率
  3. Mean Shift迭代：在概率图上用Mean Shift找到目标的新位置
  4. 自适应调整：根据概率图的二阶矩，更新搜索窗口的大小和方向

你想想看，第3步和第4步是循环执行的。每一帧里，CamShift会反复做Mean Shift迭代，直到收敛，然后根据收敛后的概率分布重新计算窗口尺寸。这就是“连续自适应”的含义。

核心公式（二阶矩计算窗口尺寸）：

M20 = ∑∑ x² * I(x,y)
M02 = ∑∑ y² * I(x,y)
M11 = ∑∑ x * y * I(x,y)

窗口长轴 a = √((M20 + M02 + √((M20 - M02)² + 4*M11²)) / 2)
窗口短轴 b = √((M20 + M02 - √((M20 - M02)² + 4*M11²)) / 2)
窗口方向 θ = 0.5 * arctan(2*M11 / (M20 - M02))

这些公式看着复杂，其实逻辑很简单：用概率图的二阶矩来拟合一个椭圆，这个椭圆的长轴、短轴和方向，就是新的搜索窗口。

4.3 CamShift与Mean Shift的区别

我整理了一个表格，方便你对比：

对比维度 Mean Shift CamShift
窗口大小 固定不变 每帧自适应调整
窗口方向 始终水平 可旋转（拟合椭圆）
迭代方式 每帧只做一次Mean Shift 每帧多次迭代直到收敛
适用场景 目标尺度变化小 目标尺度变化大
计算开销 较低 稍高（但可接受）

我曾经在一个项目中用Mean Shift跟踪行人，目标走远时窗口太大，引入了大量背景噪声；走近时窗口太小，只框住了目标的一部分。换成CamShift后，窗口能自动缩放到合适大小，跟踪稳定性提升了一个档次。

我的经验：CamShift的窗口自适应不是万能的。如果目标快速形变（比如奔跑的人），窗口调整会滞后。这时候可以适当降低自适应更新的学习率，让窗口变化更平滑。

4.4 应用场景

CamShift最经典的应用场景有三个：

  • 人脸跟踪：人脸颜色分布相对稳定，且尺度变化频繁（走近走远）。我做过一个会议摄像头自动跟踪演讲者的Demo，用的就是CamShift，效果还不错。
  • 手势跟踪：手部肤色在HSV空间的色调分量比较集中，适合用颜色直方图建模。CamShift能适应手部在画面中的大小变化。
  • 运动目标跟踪：如果目标颜色特征明显（比如红色球衣的运动员），CamShift可以快速跟踪，计算量小，适合嵌入式设备。

避坑指南：我曾经在一个户外监控项目里用CamShift跟踪车辆，结果翻车了。原因是车辆颜色和路面颜色太接近，反向投影图几乎全是噪声。CamShift对颜色区分度要求很高，背景和目标颜色相近时，效果会急剧下降。

4.5 知识体系结构图

下面这张图展示了CamShift在整个目标跟踪知识体系中的位置，以及它内部的核心逻辑：

CamShift 算法知识体系 输入：视频帧 + 初始目标框 预处理：颜色空间转换 (RGB→HSV) 核心迭代流程（每帧执行） ① 计算反向投影图 ② Mean Shift迭代 ③ 自适应调整窗口 收敛? 输出：更新后的目标框 (位置+尺寸+方向) 进入下一帧，重复流程

4.6 代码实战：OpenCV中的CamShift

OpenCV已经封装好了CamShift，用起来很方便。我贴一段核心代码，注释写得很详细：

import cv2
import numpy as np

# 初始化：选定目标区域
cap = cv2.VideoCapture('test.mp4')
ret, frame = cap.read()
x, y, w, h = 100, 100, 80, 80  # 手动选定目标框
track_window = (x, y, w, h)

# 提取目标区域的HSV直方图
roi = frame[y:y+h, x:x+w]
hsv_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv_roi, np.array((0., 60., 32.)), np.array((180., 255., 255.)))
roi_hist = cv2.calcHist([hsv_roi], [0], mask, [180], [0, 180])
cv2.normalize(roi_hist, roi_hist, 0, 255, cv2.NORM_MINMAX)

# 设置终止条件：迭代10次或移动距离小于1像素
term_crit = (cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1)

while True:
    ret, frame = cap.read()
    if not ret:
        break
    
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    dst = cv2.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)
    
    # CamShift核心调用
    ret, track_window = cv2.CamShift(dst, track_window, term_crit)
    
    # 绘制结果（旋转矩形）
    pts = cv2.boxPoints(ret)
    pts = np.int0(pts)
    img = cv2.polylines(frame, [pts], True, (0, 255, 0), 2)
    
    cv2.imshow('CamShift Tracking', img)
    if cv2.waitKey(30) & 0xFF == 27:
        break

cap.release()
cv2.destroyAllWindows()

调参建议：term_crit中的迭代次数和最小移动距离需要根据帧率调整。30fps的视频，迭代5-8次就够了；低帧率视频可以适当增加迭代次数。我习惯设成(10, 1)，大部分场景都能用。

4.7 局限性

CamShift不是银弹。我总结了几点局限性：

  • 颜色敏感：背景和目标颜色相近时，反向投影图会失效
  • 光照敏感：光照变化会导致颜色直方图偏移，需要定期更新模板
  • 快速运动：目标移动速度过快时，窗口可能跟不上
  • 遮挡问题：目标被部分遮挡时，概率图会变得不可靠

我曾经在一个仓库监控项目里用CamShift跟踪叉车，结果叉车经过阴影区域时直接跟丢了。后来我加了光照补偿和模板更新策略，才勉强能用。所以，CamShift适合做入门级的跟踪，或者作为复杂跟踪系统的一个组件。

好了，CamShift的核心内容就这些。它不算复杂，但“自适应窗口”这个思想很实用。你可以在自己的项目里试试，看看效果如何。

可可精品资料库

← 上一章 📖 返回目录 下一章 →