camshift:
Continuously Adaptive Mean Shift algorithm的简称。基于MeanSift的改进算法，可以跟踪视频中尺寸可能产生变化的目标。
Meanshift只估计数据分布的梯度（变化的方向）。若梯度为0的地方则表示是这个分布的峰值。
重心：一阶矩与零阶矩的比值。
移动窗口到此重心的位置。由于窗口的移动，窗口的内容也将改变，于是又将重复刚才重新定位窗口中心的步骤。窗口中心重定位的过程通常会收敛到Meanshift矢量为0，也就是窗口不能再移动。收敛的位置为窗口像素的局部最大值处。
将Meanshift算法扩展到连续图像序列，就是Camshift算法，它将视频的所有帧都做Meanshift运算，并将上一帧的结果，即搜索窗的大小和中心，作为下一帧meanshift算法搜索窗的初始值，如此迭代下去，就可以实现对目标的跟踪。
根据概率分布图计算下一帧跟踪框的大小。2D直方图的概率分布图可由二阶矩得到，跟踪框的旋转角和大小也可相应得到。
基于OpenCV的Camshift算法的步骤如下：
（1）初始化搜索框；
（2）将图像由RGB颜色空间转换到hsv颜色空间；
（3）从hsv图像中分离处h通道的图像；
（4）用手势分割得到的掩模板（mask)分割出h通道图像的手势区域
（5）对h通道的图像建立直方图
（6）对h的直方图作反向投影图
（7）利用Meanshift算法在反向投影图中迭代搜索，直到其收敛或达到最大迭代次数。并保存零次矩；
（8）利用第（7）步得到的搜索框的中心位置和窗口尺寸信息作为初始值，返回到第（2）步，重新计算，即进入下一帧的目标跟踪。
直方图：条形图。比如颜色可以取值0~255，把这256个值分组，分成16组，则1~16的数值有多少个，直方图的y坐标值就是几，得到条形图。
反向投影图：位置(0,0)上的像素值为0，对应的bin为[0,3)，有4个元素，所以反向直方图在该位置上的值这个bin的值4，在直方图中值较多的地方，反向投影图中该位置的值较大，在图像中该位置权重就比较大，离重心近。
catmull曲线插值：
第一、二帧，直接更新坐标值。
第三帧，根据前两帧的光标位置，用第一帧的光标位置作为P1控制点，第二帧的光标位置作为P3控制点，第三帧的光标位置作为P4控制点，即可利用P1P1P3P4四个控制点得到P1P3间的插值曲线。
第四帧以后，将前三帧的光标位置和当前帧的光标位置作为四个控制点P1P2P3P4，计算P2P3之间的Catmull曲线。
对最后三帧，可将前两帧的光标位置分别作为P1P2控制点，最后一帧的光标位置作为P4控制点，可根据P1P2P4P4控制点得到P2P4之间的Catmull曲线。