对于OpenCV的大型项目作业。

简介：
opencv期末大作业的跟踪器，利用颜色特征来识别视频中特定的目标。Meanshift算法的核心在于选取一组基于色彩直方图的点，并计算其质心的空间位置。如果该质心位于区域的中心，则表明目标物体并未移动。然而，当质心偏离区域中心时，就意味着目标正在向某一方向移动。该质心的运动趋势直接决定了目标的方向。因此，为了适应移动对象的位置变化，边界框需要相应地更新到新的位置，使得新的质心成为该边界框的中心点。由于算法基于转移平均值（即质心）进行计算，因此被称作Meanshift。这种方法能够持续保持目标当前位置的自我更新。尽管如此，Meanshift算法存在一个明显的局限性：其边界框的大小无法进行调整。当目标远离镜头时，在人眼看来目标会变小，但Meanshift算法对此现象并未考虑。在整个跟踪过程中，边界框的大小将始终保持不变状态。相比之下，CAMShift算法具有显著优势，它能够根据目标边界框的大小动态地进行调整。此外，CAMShift还具备跟踪对象移动方向的能力。角点检测是一种广泛应用于图像中识别兴趣点的常用技术；在计算机视觉领域中, 这些兴趣点通常被称为特征点或特征。特征点检测在目标匹配、目标跟踪以及三维重建等诸多应用场景中都得到广泛应用。在进行目标建模时, 算法会提取图像中的关键特征, 常用的特征包括颜色、角点、特征点、轮廓以及纹理等信息.