本文一開始總結我對meanshift演算法在影象分割、視訊目標跟蹤的一些粗淺認識，進一步引申到粒子濾波在目標跟蹤中如何應用，由於本人學術水平尚淺，必然有很多認識有誤，希望得到大家的批評指正，不勝感激。

在初學均值漂移演算法的時候，有個總體印象，就是演算法希望通過尋找密度最大的位置作為收斂位置，用白話講，其實就是要找一個區域內的重心而已，這個重心為什麼不是區域的所有粒子的平均呢？因為每個粒子還帶個權重，這個權重我們用物理力學中的重心公式想想就明白，權重代表每個粒子對重心的貢獻程度，那麼，做個最極端的近似，當所有粒子的權重都是1，那麼這時候重心剛剛好就是所有粒子的平均值，現在加個權重，用Pazen窗來進行加權，Pazen窗最大的特點就是概率值隨著距離變化而變化，換句話說就是當一個粒子xi離我關心的x點距離遠的話，這個權小些，就這樣，我們把原先的平均值變成了加權平均，這就是meanshift的本質，一言概括之，meanshift就是以Pazen窗加了權後的加權平均，直到找到重心的位置不變了，就停止迭代，其實就是求重心的過程。