均值偏移

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演演算法在以下兩個方面做了推廣，首先定義了一族核函數，使得隨著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演演算法用於人臉的跟蹤才使得此演演算法的優勢在目標跟蹤領域體現出來。

MeanShift演演算法是一種無參概率密度估計法，演演算法利用像素特徵點概率密度函數的梯度推導而得， MeanShift演演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演演算法是一種自動迭代跟蹤演演算法，由 MeanShift補償向量不斷沿著密度函數的梯度方向移動。在一定條件下，MeanShift演演算法能收斂到局部最優點，從而實現對運動體準確地定位。

均值平移演演算法是一種非參數的統計迭代演演算法。