本课题研究的基本内容，拟解决的主要问题和难点问题

1、基本内容

在理解Mean Shift跟踪算法的基础上，对Mean Shift跟踪算法及在其基础上改进的Cam Shift跟踪算法的实验结果进行对比和分析，统计融合两种不同算法的时间复杂度，以及鲁棒性。

2、主要问题

（1）要对Mean Shift跟踪算法进行建模与参数选择。在实验结果出来以后，分析研究Mean Shift跟踪算法跟踪的准确性及复杂度。

（2）研究Mean Shift跟踪算法是否能适应复杂环境、光照变化、图像噪音以及目标的遮挡等情况，分析环境因素对算法复杂度的影响。

3、难点问题

（1）跟踪实例中的运动目标所处场景的复杂度，不确定程度直接影响着目标跟踪的效果。

（2）对跟踪目标特征复杂度进行统计、分析时，有些特征不是很明显，跟踪目标的特征不易提取。计算量也随之变大，计算复杂度较困难。

.......

本文对视频目标追踪做了介绍，对Mean Shift追踪算法做了大量分析研究，优点包括改算法原理简单、收敛速度快、鲁棒性好等优势。在熟悉算法的基础之上，使用两种不同算法计算对同一视频追踪时所花费的时间和帧率，并加以实验分析从而得出复杂度。本文的主要工作有：

（1）分析目标追踪过程中所用到的算法，详细介绍不同算法对复杂度研究时所带来的影响，对于算法复杂度,本文着重研究时间复杂度。在研究不同的问题时，可以使用不同的算法。算法的选择关系着算法的效率。

（2）深度研究Mean Shift目标追踪算法的原理。包括Mean Shift算法的核心，首先是对高斯核的选取过程进行简单描述，在此基础上，在对目标模型的选取方面利用了空间颜色直方图作为追踪时目标模板的建立。并在后续每帧中建立候选模型，通过相似性判别函数，得到新的目标坐标位置。依次描述目标模型和候选模型的建立、相似性判别函数以及目标定位的过程。

以下简要介绍本文主要内容：

第二章，详细分析了算法的基本概念和重要特性，对算法的时间复杂性和空间复杂性做了详细的概述，对计算复杂度分析方法进行了比较，得出了适用于本文研究的方法。

第三章，介绍Mean Shift算法的理论基础，并研究Mean Shift目标追踪算法基本步骤，并通过实验对算法进行分析和验证。然后分析了CamShift追踪算法，将CamShift算法引入Mean Shift算法，最后给出算法流程及实验验证。 

第四章，详细阐述了计算复杂度分析，并给出两种算法的追踪时间比较，从而得出分析结论。