Sep 24, 2018 原创文章
目标跟踪（3）-- Mean-shift 与目标跟踪[1]
Mean Shift 算法理解
基本概念：沿着密度上升方向寻找聚簇点
设在d维空间$R_d$中，划定一个有N个样本点、半径为k的高维球区域$S_k$，初始随机确定一个中心点center，N个样本点记为集合M，认为这些点属于聚簇C。计算以中心点为起点落在球内的样本点（$x_i$）为终点的向量 。计算整个圆形空间内所有向量的和，得到一个偏移向量。将中心点center沿着shift的方向移动到偏移向量的终点，移动距离即偏移向量的模。重复移动，又得到一个新的偏移向量。如此重复下去，直到偏移向量的大小满足设定的阈值要求，以此保证收敛到概率密度最大得地方。也就是最稠密的地方。
参考资料：
均值漂移（Meanshift）算法 https://blog.csdn.net/qwerasdf_1_2/article/details/54577336
通俗理解Meanshift均值漂移算法 https://www.codetd.com/article/1880561
计算机视觉中，目前有哪些经典的目标跟踪算法？ - YaqiLYU的回答 - 知乎 https://www.zhihu.com/question/26493945/answer/156025576
