Image processing 在对象检测中执行均值偏移以合并检测窗口

有人能解释一下如何实现meanshift算法以合并目标检测中的检测窗口吗？例如，使用HOG特征进行Dalal和Triggs行人检测。在行人上有重叠的检测窗口后，他们应用均值漂移来组合这些检测窗口

编辑

---

我非常理解meanshift如何合并检测窗口的基本概念。我很难理解均值漂移背后的数学原理。我目前正在读书，但他们没有详细说明他们对算法的解释。如果有一个更简单的解释，或者如果你能推荐一个好的来源，我将非常感激它

一个应用中均值漂移的例子：

好的，我不确定这是否会有帮助，但均值漂移背后的想法是，集群是数据点趋于靠近的地方。该数据点也被假定为独立于概率分布且分布相同。在此之后，您将找到局部极大值

可以在此处找到更好的图形理解来源：

通过文件中的meanshift搜索分段。希望我能帮助你，你也能理解它背后的概念（：