1、“.....实验的运行环境为，实验中初始目标通过鼠标选取，采用量化等级为的颜色特征。要使和的距离比个像素间距要小，阈值必须恰当。此外，在本文的程序中将限制整个迭代过程执行的次数在次以内。用传统的均值漂移算法进行跟踪，取得了不错的跟踪效果，但是有定的缺陷，首先在跟踪的精度方面，由于算法存在缺陷，所以导致跟踪精度和准确性偏差。其次这样的跟踪是在运动目标没有被遮挡住没有外在的物体对它进行干扰的情况下进行的，所以代表性不足，也没有对任何条件下都适应的方法。最后目标假设的情况是自身的条件不变，但是这是理想条件下，如果目标自身发生变化，要再进行跟踪这是很困难的......”。

2、“.....算法可以结合其他算法来实现跟踪。因为这优势，很多人就将它与其它算法放到起去研究，例如卡尔曼滤波，粒子滤波相结合的讨论与开发中。事实上，算法本身在初始值的选取，模板更新问题等方面还存在些值得改进和提高的地方。因此，本课题还是要以传统目标跟踪算法为基础，然后逐渐深入，通过对它本身不足的认识，来尝试用个改善的跟踪算法，即计算质心在每个区域中的位置。解决了传统的算法不能表示空间位置信息的不足，从而有效的提高了背景复杂等情况下跟踪过程的鲁棒性与实时性。期望得到的是改进后的算法要比传统的算法更可靠更准确。传统算法存在的问题算法作为种基于特征的跟踪方法......”。

3、“.....搜索点沿着样本点密度增加的方向漂移到局部密度极大点。这种通过有限次迭代得到目标位置的方法，有计算量比较小的优点，如果目标区域已知，可以做到实施跟踪。但是它也不可避免的存在些问题，具体分析如下核窗口带宽问题传统的算法中和候选目标模板和目标模板对应直方图之间有多少相似是用系数,来表示的。,越大，表示两个模型越相似。怎么使,达到最大，方法就是将第帧的目标中心先定位为第帧中目标中心的位置，从开始查找最可靠最适合的目标。通过对系数的计算公式在处泰勒展开，可得,邋根据泰勒展开的原理，如果目标的运动速度太大......”。

4、“.....那么这个点就不能称为邻域，就不满足泰勒订定理了，如果此时依旧用算法来实现，那么效果可想而知是非常糟糕的。且由上面的式子中可知道核函数的带宽出运动的物体能够被精确快速定位的最大区域。因此，如果连续两帧中目标中心的移动超过的范围，向量就不再与目标本身有关，跟踪往往也会失败。颜色分布问题在传统跟踪算法中，通常采用图像的颜色直方图作为整个搜索匹配的特征空间。采用颜色直方图有定的优点也有明显的不足，优点是可以看出每个颜色出现的概率，从中可以看到颜色的分布。不足就是像素点的位置等信息无法被体现出来。这样在背景复杂......”。

5、“.....为了提高跟踪过程的准确性，就要搜索目标模板与候选目标模板之间的最大匹配度，即使,的值最大。从式中看出，只有第二项随着变化。所以为了得到更高的模板匹配度只要使第二项的值最大即可。第二项是在有权值时的概率密度估计，其中，所以，让最大只要使与的比率最大或的值较小即可。因为代表的是初始目标模板的颜色概率密度值，而代表的是候选目标模板的颜色概率密度值。因此与比率最大的情况也可能发生在相关颜色像素点发生遮挡等情况下。而的值较小可能发生在当前帧颜色单元比起初始状态更远离核函数的中心点的情况下。所以，在算法中，当出现如下两种情况时......”。

6、“.....因为在初始目标选取过程中，不可避免的会加入些背景颜色信息，这些背景颜色信息就称为次要颜色主要颜色是指跟踪目标所包含的颜色，从而导致跟踪失败。次要颜色单元中像素数减少的比率大于主要颜色单元中像素数减少的比率。主要颜色单元的像素数比次要颜色单元的像素数更远离核函数中心点。具体证明过程如下首先设在颜色索引值和处的初始模板分别为和，目标发生移动后的候选模板分别为和。假设像素数仅在颜色索引值和处因为目标的移动而减小。用公式表示即为。系数的计算公式已由式给出。那么当候选目标模板或者内的像素值在刻增加时......”。

7、“.....当次要颜色单元中的像素数相比于主要颜色单元的像素数而言，以较大的比率减少时，用公式表达即为将泰勒展开得到将泰勒展开得到由式式和式，可以得到如下结论整理可得其中，为个非负的常数。当时，式上部的值大于式下部公式值。由此证实当次要颜色单元中像素数减少的比率大于主要颜色单元中像素数减少的比率时，向量会沿着次要颜色单元像素数增加的方向移动。因为背景颜色会充斥着目标模板，所以目标模板和跟踪目标在颜色方面会出现相互重叠的情况，这样就会造成跟踪混乱，最终而失败。改进后的算法根据上面说到的传统的方法上的劣势和不足......”。

8、“.....这种方法就是计算跟踪区域内的每个颜色的质心的位置，然后就可以确定目标模板中心的位置。顾名思义，这样就有了质心的颜色分布的信息，与传统的相比，改进后的算法就不会造成信息的丢失和重叠，不会导致跟踪的失败。也就是说，本文通过计算每个颜色单元的质心位置，考虑到其空间分布，这样就会有效避免出现跟踪失败的情况。对每个颜色质心点的计算如下被用于表示每个颜色单元的质心。第帧图像序列用表示。被用于表示目标区域内每个像素点的位置。为函数。表示处象素的颜色值。直方图的颜色索引用来代表，范围是。判断目标区域中像素的颜色值是否属于第个单元的颜色索引值是根据公式判断的，等于为，否则为......”。

9、“.....然后就是找到跟踪目标在当前帧本课题用第帧表示中心点的位置。这里表示权重其中，是背景权重函数，和分别表示初始目标区域颜色单元内第个像素点在目标和背景中的概率密度值。其他由于背景颜色的权重低于目标颜色的权重，即便是在背景颜色和目标颜色相似时，用改进后的算法来跟踪目标会显著提高跟踪过程的准确性和稳定性。在下帧中，目标位置中心点的计算如下所示是在下帧中属于目标颜色单元像素点的质心，通过步计算直接可以得出。因此，漂移向量从当前帧位置到下帧位置的移动矢量计算如下改进后的算法具有如下优点利用每个颜色单元的均值......”。