關於CAMshift的資料很多，如下連結寫的都很不錯，我就說說自己對CAMshift的理解

總結：

一：HSV對光照影響小，RGB空間對光照影響大。 二：把ROI區域的直方圖求出來，然後以ROI區域直方圖為依據，對原影象作反向投影， 這樣使得反向投影后的ROI區域的畫素點都有值並且都很大，使得原影象中與ROI區域顏色不一樣的畫素點的值很小甚至接近0。這樣就形成了一副密度圖，利用Meanshft均值漂移，使圓形視窗的中心向視窗內稠密度大的質心移動。注意：均值偏移會在上一個ROI區域附近為起點開始 搜尋稠密度最大的質心，而不是對整幅影象全部搜尋，所以上一個ROI區域搜尋到的稠密度最大的質心，只是區域性最優答案， 不是整幅影象稠密度最大的質心。 三：由於ROI區域會變大變小，為了使演算法具有魯棒性，新增預測演算法。預測演算法： 先設定一個最大、最小閾值。當搜尋到ROI區域時，如果原影象中ROI目標變小了，則圓形視窗內的值會變大，當大於閾值時，則使圓形視窗變小，精確追蹤ROI目標。如果原影象中ROI目標變大了，則圓形視窗內的值會變小，當小於閾值時，則使圓形視窗變大，精確追蹤ROI目標

四：可以看出顏色對該演算法影響很大

#include<opencv2/opencv.hpp> 
#include<iostream>      
using namespace cv;
using namespace std;

Mat image;
   
bool leftButtonDownFlag = false; //左鍵單擊後視訊暫停播放的標誌位，ture暫停
Point originalPoint; //矩形框起點    
Point processPoint; //矩形框終點    

//定義繪製直方圖的引數
int histSize = 200;//直方圖的bin值
float histR[] = { 0,255 };//每個bin值的範圍
const float *histRange = histR;
int channels[] = { 0,1 };//因為輸入影象個數為2，所以不是 int channels=0；
Mat dstHist;//直方圖

Rect rect;//ROI矩形區域
Mat rectImage;//ROI矩形影象
Mat targetImageHSV;//ROI區域的HSV空間影象

Mat imageCopy; //繪製矩形框時用來拷貝原圖的影象 

vector<Point> pt; //儲存目標軌跡  

//滑鼠回撥函式，相當於中斷呼叫  
void onMouse(int event, int x, int y, int flags, void* ustc);   

int main(int argc, char*argv[])
{
	VideoCapture video;
	Mat frame;
	video.open(0);
	namedWindow("跟蹤木頭人", CV_WINDOW_NORMAL);
	//呼叫滑鼠
	setMouseCallback("跟蹤木頭人", onMouse);

	while (video.read(frame))
	{
		if (!leftButtonDownFlag) //判定滑鼠左鍵有沒有按下，沒有則採取播放視訊，則此時!leftButtonDownFlag為ture
		{
			image= frame;
		}
		if (!image.data || waitKey(100) == 27)  //影象為空或Esc鍵按下退出播放    
		{
			break;
		}
		if (originalPoint != processPoint && !leftButtonDownFlag)//如果矩陣框起點不等於終點以及滑鼠左鍵沒有按下
			//左鍵沒有按下分為一直沒有按下和選擇ROI後的鬆開左鍵。  當左鍵一直沒有按下使，originalPoint與processPoint為空，就不想等，則跳過if
			//當是選擇了ROI區域的鬆開左鍵，此時originalPoint與processPoint是有具體數值的。並且選擇ROI區域後，這兩個值會一直不相等
		{
			Mat imageHSV;//整幅影象的HSV空間
			Mat calcBackImage;//反向投影
			cvtColor(image, imageHSV, CV_RGB2HSV);//原影象轉換成HSV空間
			calcBackProject(&imageHSV, 2, channels, dstHist, calcBackImage, &histRange);  //反向投影 
			//dstHist輸入直方圖，calcBackImage輸出影象

			TermCriteria criteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 1000, 0.001);
			//這個類是作為迭代演算法的終止條件的.該類變數需要3個引數，一個是型別，第二個引數為迭代的最大次數，最後一個是特定的閾值。
			//型別有CV_TERMCRIT_ITER、CV_TERMCRIT_EPS、CV_TERMCRIT_ITER+CV_TERMCRIT_EPS，
			//分別代表著迭代終止條件為達到最大迭代次數終止，迭代到閾值終止，或者兩者都作為迭代終止條件。
			//以上的巨集對應的c++的版本分別為TermCriteria::COUNT、TermCriteria::EPS，這裡的COUNT也可以寫成MAX_ITER。
			CamShift(calcBackImage, rect, criteria);
			//rect為輸入和輸出的ROI視窗，視窗的尺寸會自動調整

			Mat imageROI = imageHSV(rect);   //更新HSV空間下的ROI             
			calcHist(&imageROI, 2, channels, Mat(), dstHist, 1, &histSize, &histRange);//更新ROI的直方圖
			normalize(dstHist, dstHist, 0.0, 1.0, NORM_MINMAX);   //歸一化  
			rectangle(image, rect, Scalar(255, 0, 0), 3);    //繪製新的ROI矩形    
			pt.push_back(Point(rect.x + rect.width / 2, rect.y + rect.height / 2));
			//C++中容器中的push_back用的時候，容器的大小不能給定。空號裡的點座標附加給容器pt結尾，而容器pt會自動調整容器容量
			//pt.insert(a)，也能把點座標附加給容器pt結尾，但是容器pt的容量不會自動改變，需要自己程式設計序
			for (int i = 0; i<pt.size() - 1; i++)
			{
				line(image, pt[i], pt[i + 1], Scalar(0, 255, 0), 2.5);//畫質心線
			}
		}
		imshow("跟蹤木頭人", image);
		waitKey(100);
	}
	return 0;
}

//*******************************************************************//      
//滑鼠回撥函式      
void onMouse(int event, int x, int y, int flags, void *ustc)
{
	if (event == CV_EVENT_LBUTTONDOWN)//如果按下滑鼠左鍵
	{
		leftButtonDownFlag = true; //標誌位    
		originalPoint = Point(x, y);  //設定左鍵按下點的矩形起點    
		processPoint = originalPoint;//此時的起點跟終點座標一樣
	}
	if (event == CV_EVENT_MOUSEMOVE && leftButtonDownFlag)//如果滑鼠左鍵按下並且移動
	{
		imageCopy = image.clone();
		processPoint = Point(x, y);//把移動的座標賦給矩形終點
		if (originalPoint != processPoint)//如果矩形起點不等於終點
		{
			//在複製的影象上繪製矩形    
			rectangle(imageCopy, originalPoint, processPoint, Scalar(255, 0, 0), 2);
		}
		imshow("跟蹤木頭人", imageCopy);
	}
	if (event == CV_EVENT_LBUTTONUP)//如果滑鼠左鍵放開
	{
		leftButtonDownFlag = false;//改變滑鼠是否按下的標誌位
		rect = Rect(originalPoint, processPoint);//ROI區域
		rectImage = image(rect); //ROI影象顯示    
		imshow("ROI", rectImage);

		cvtColor(rectImage, targetImageHSV, CV_RGB2HSV);//ROI區域轉換成HSV空間
		imshow("ROI HSV", targetImageHSV);

		calcHist(&targetImageHSV, 2, channels, Mat(), dstHist, 1, &histSize, &histRange, true, false);//直方圖
		normalize(dstHist, dstHist, 0.0, 1.0, CV_MINMAX);//歸一化
	}
}