原博主：http://blog.csdn.net/carson2005/article/details/7341051
meanShift算法用於視頻目標跟蹤時，采用目標的顏色直方圖作為搜索特征，通過不斷迭代meanShift向量使得算法收斂於目標的真實位置，從而達到跟蹤的目的。
傳統的meanShift算法在跟蹤中有幾個優勢：
（1）算法計算量不大，在目標區域已知的情況下完全可以做到實時跟蹤；
（2）采用核函數直方圖模型，對邊緣遮擋、目標旋轉、變形和背景運動不敏感。
同時，meanShift算法也存在着以下一些缺點：
（1）缺乏必要的模板更新；
（2）跟蹤過程中由於窗口寬度大小保持不變，當目標尺度有所變化時，跟蹤就會失敗；
（3）當目標速度較快時，跟蹤效果不好；
（4）直方圖特征在目標顏色特征描述方面略顯匱乏，缺少空間信息；
由於其計算速度快，對目標變形和遮擋有一定的魯棒性，所以，在目標跟蹤領域，meanShift算法目前依然受到大家的重視。但考慮到其缺點，在工程實際中也可以對其作出一些改進和調整；例如：
（1）引入一定的目標位置變化的預測機制，從而更進一步減少meanShift跟蹤的搜索時間，降低計算量；
（2）可以采用一定的方式來增加用於目標匹配的“特征”；
（3）將傳統meanShift算法中的核函數固定帶寬改為動態變化的帶寬；
（4）采用一定的方式對整體模板進行學習和更新；