基于OpenCV的目标检测与跟踪算法研究(4)
由上面的式子可以看出，只有当物体轮廓曲线收敛于物体边缘时，Es达到最小值，通过对Es的最小化，就能达到对物体边缘检测的目的。
从Snake算法的定义中可以看出，当目标具有凹陷区域时，内部收缩力的作用不仅不能使Snake点向边缘靠近，反而会使Snake点远离目标边缘。同时对外部能量Eext而言，因为它主要依靠图像灰度梯度产生驱动力，这样就很容易使Snake点收敛于个别噪声点。许多研究者对该模型进行了改进，并将其应用于计算机视觉研究的许多领域中，如静态图像的边缘检测、图像分割以及图像序列中运动目标的跟踪等。将水平集方法应用到主动轮廓的描述和模型求解，较好地克服了Snake模型的许多缺点，不仅使曲线在演化时能进行拓扑变化，而且大大拓宽了Snake模型的应用范围。
2.2.3 MeanShift算法
MeanShift算法的思想是：利用概率密度的梯度爬升来寻找局部最优。它要做的就是输入一个在图像的范围，然后一直迭代（朝着重心迭代）直到满足你的要求为止。它是一种无参估计算法，沿着概率分布梯度的上升方向寻找分布的极值。
假设n个点 ，i=1，2，…n，K(x)是具有径向对称性的，且K(x)满足下式：