Opencv 多颜色对象（台球）的最佳跟踪算法

让我快速解释一下我所拥有的：我编写了一个自定义检测器，可以在台球图像中查找区域。我在使用HSV颜色空间时做到了这一点，对于大多数球来说，我只需对色调通道设置阈值即可。然而，对于橙色5和棕色7，必须考虑饱和度，这为问题增加了另一个维度

从我的研究看来，我最好的方法是做某种形式的均值漂移跟踪，但我遇到的一切都描述了均值漂移，其中只有一个通道使用色调通道

任何人都可以解释或提供一个链接，解释我如何适应均值漂移工作使用色调和饱和度

---

或者你能告诉我你是否认为一种不同的跟踪算法更适合这个问题吗？

理论上，无论高维中的维度如何，均值漂移都能很好地工作稀疏性是一个问题，但是有一些工作可以解决这个问题

如果您试图使用仅接受单个通道输入的非自均值偏移跟踪器，您可以创建自己的特定于问题的颜色通道。你需要一个单一的渠道，最大限度地不同颜色的台球之间的差异

---

最简单的方法是取所有15个球的平均颜色，将它们放在一个15x3矩阵中，然后用奇异值分解法进行分解，先减去平均值，得到最大方差轴。这将为您提供从RGB到新的一维颜色空间的最佳线性变换，最大化台球颜色之间的差异。如果局部映射不够好，您可以做得更好，但可能没有必要

您可以创建一个代表单个距离度量的通道，然后在此基础上进行均值偏移吗？例如，如果您正在查找brown，请创建一个图像，其大小为SqrQueDistance^2+saturationdistance^2。然后均值漂移会再次找到你的最大值。啊，这是一个有趣的想法。不过，每帧创建一个新图像会让我对性能感到有点厌倦，因为这是在iphone上运行的。但是如果它能产生好的效果，我可能会把它转换成一个着色器。你同意吗，尽管对于这种场景来说，均值偏移是一个很好的方法？与冲浪/筛分、光流等相比，这取决于你想做什么。光流只有在物体运动时才有意义。如果你想在静态图像中找到台球，光流对你没有帮助。类似地，台球基本上是彩色球体——它们没有很多可识别的特征，除了可能显示的数字。考虑到这一点，SIFT/SURF功能可能不会让你走得很远。好的想法是，有人会在桌子周围走动时拍摄桌子，所以基本上球会移动。我的探测器给了我一个来自img的小球，我可以用它作为光流的关键点。你认为那是一条更好的路线吗？从我所读到的来看，光流在opencv中似乎比平均偏移更容易实现。当你说先减去平均值来分解SVD时，opencv是如何实现的？由于不熟悉，很难从文档中分辨出来。另外，我很难最大化橙色/棕色和绿色/蓝色组之间的颜色差异。标准的平均值运算不会给出颜色的视觉比例分布。opencv文档没有太多地详细说明cv:：SVD，所以我想知道这是否超出了标准的平均值？