CamShift是一种算法，该算法基于使用刻痕算法的视频序列的结果，并使用上一个帧的结果（搜索窗口的中心位置和窗口大小）作为求换窗口的初始值的算法在这种方式上，我们可以跟踪视频中的移动对象。
首先，我们假设平面空间具有这样一个随机分布点，如下所示：我们将特定点作为一个圆，适当的半径r作为圆：
然后，所有落入圆的点都连接到圆心连接以形成向量：
这样，不难看到矢量的数量形成了更密集的分布区域，因此我们将最密集的方向作为心脏转移的方向。
逐渐地，我们的圆圈最终将留在该空间中最密集的区域。
我们不会详细得出数学公式。
并在图像处理中应用此算法。通常，图像是矩阵。像素均匀分布在图像上，并且没有密度。如果我们单击x的概率密度，该方法的使用如下：x作为圆的中心和r作为半径。点XI落入球定义了两个模式规则。
（1）X像素点的颜色与XI像素的颜色点相似，我们定义的概率密度越高。（2）越接近XI的位置，定义的概率密度越高。
因此，总概率密度的定义是两个规则和概率密度乘以产品的结果：
其中：正确类型的第二个因素表示空间位置的信息。越接近远处，值越大，第三表示颜色信息，颜色越相似，值越大。如图的左上角所示，根据（4）计算得出的概率密度显示在图的右上
因此，我们可以通过计算图像图像的直方图根据上述算法跟踪目标。
Void Calchist（＆ROI，1,0，MaskRoi，Hist，1＆Hist和Phranges）
＆ROI：输入图像
1：在第一个参数中存储了多少张图像
0：需要统计的频道索引
MASKROI：输入图像的掩码，可选操作掩码，此处的非零掩码元素用于标记统计直接图的数组元素数据
历史：输出的目标
1：需要计算的直方图的尺寸
＆Hist：每个维度的直方图数组
＆phranges：每个维度的范围。
void calcbackproject（＆hue，1,0，hist，backproj和phranges）
色相：输入图像
1：输入图像数量
0：需要统计的频道索引
历史：输入的直方图
backproj：目标反向投影数组必须是一个单个通道
phranges：每个维数的边界
void camshift（backproj，trackwindow，tercriteria（cv_termcrit_eps | cv_termcrit_iter，10,1））））））））））））））））））））））））））））））））
Backproj：输入图像图像直方图的反向投影图
TrackWindow：初始位置矩形跟踪目标盒
Tercriteria（cv_termcrit_eps | cv_termcrit_iter，10,1）：算法结束条件
1.获取跟踪目标的HSV图像并将H零件分开；
2.根据阈值构建口罩；
3.计算直方图，然后返回；
4.右 - 图形反向投影calcbackProject（）;
5.凸轮班算法轨道
6.在原始视频中绘制矩形锁定跟踪目标。
首先，我们选择确定跟踪的轨道：
按空格键并开始识别跟踪。
原始：https：//juejin.cn/post/7095936555520360484