數(shù)字圖像處理-實驗報告書(九)目標跟蹤

1、精選優(yōu)質文檔-傾情為你奉上電子信息學院實驗報告書課程名： 數(shù)字圖像處理 題 目： 實驗九 目標檢測與目標跟蹤實驗 實驗類別： 【設計】 班 級： BX0901 學 號： 3 姓 名： 竇中鋒 評語：學習態(tài)度：【很好】 【一般】 【較差】 程序編寫：【完整】 【部分完整】 【不完整】得出結論：【正確】 【部分正確】 【不正確】報告書寫：【規(guī)范】 【一般】 【不規(guī)范】成績： 指導教師： 范光宇 批閱時間：2012年 月 日專心-專注-專業(yè)1、 實驗目的（1） 了解目標檢測和目標跟蹤的基本原理和方法；（2） 使用MATLAB對視頻中的目標進行檢測和跟蹤。2、 實驗原理運動目標跟蹤在軍事制導、視覺導航

2、、機器人、智能交通、公共安全等領域有著廣泛的 應用。例如在車輛違章抓拍系統(tǒng)中，車輛的跟蹤就是必不可少的。在入侵檢測中，人、動物、車輛等大型運動目標的檢測與跟蹤也是整個系統(tǒng)運行的關鍵所在。因此在計算機視覺領域中目 標跟蹤是一個很重要的分支。 運動目標檢測是運動目標跟蹤的前提。運動目標檢測，根據(jù)目標與攝像機之間的關系可以分為靜態(tài)背景下的運動檢測與動態(tài)背景下的運動檢測。（一）靜態(tài)背景下的運動檢測：整個監(jiān)控過程中只有目標在運動。主要包括以下幾種方法： 1、背景差分法：整個監(jiān)控過程中，需要不停地維護一個“純背景”。對于任意一幀監(jiān)控圖 像而言，將其與純背景進行差分，從而得到出現(xiàn)在當前畫面中的運動目標。該方

3、法對光照變 化、 天氣、 背景變化比較敏感，而且需要不停進行地依靠學習來維護一個純背景畫面。此外背 景的維護和更新、陰影去除等對運動目標的檢測至關重要。 2、幀間差分法：通過相鄰幀之間的差值計算，來獲得運動目標的位置、 形狀等信息的方法。 該方法對光照的適應能力很強，但由于運動目標像素上的相似性，從而不能完整地檢測出運 動目標。有研究人員將相鄰幀間的差分進行改進，得到三幀差分方法，即利用相鄰三幀之間的 差值計算來進行運動目標的檢測。該方法經很多研究人員和工程師的實際測試，證明了其在 特定環(huán)境中優(yōu)良的性能。 3、光流法：在空間中，運動可以用運動場描述。而在一個圖像平面上，物體的運動往往是通 過圖

4、像序列中圖像灰度分布的不同來體現(xiàn)，從而使空間中的運動場轉移到圖像上就表示為光 流場。光流場反映了圖像上每一點灰度的變化趨勢。它可看成是帶有灰度的像素點在圖像平 面上運動而產生的瞬時速度場，也是一種對真實運動場的近似估計。在比較理想的情況下，它 能夠檢測獨立運動的對象而不需要預先知道場景的任何信息，可以很精確地計算出運動物體 的速度，并且可用于動態(tài)場景的情況。但是大多數(shù)光流方法的計算相當復雜，對硬件要求比較 高，不適于實時處理，而且對噪聲比較敏感，抗噪性差。（二）動態(tài)背景下的運動檢測：監(jiān)控過程中，目標和背景都在發(fā)生運動或變化。在運動目標檢測 的應用環(huán)境中，動態(tài)背景相比而言更加復雜。根據(jù)相機的運動

5、形式，可以分為以下兩種： 1、相機支架固定：相機可以隨著云臺的運動而發(fā)生旋轉，傾斜等運動。相機也可以根據(jù)遠 程計算機指令來控制鏡頭調焦，從而產生遠景和近景縮放運動。 2、相機置于移動設備之上(例如車載相機)。對于以上兩種相機運動形式的任意一種而言，在進行運動目標檢測之前，都需要根據(jù)一定 的方法進行全局運動估計與補償。通?？梢岳脡K匹配法、特征點匹配法等進行運動量的估 計。也可以利用光流法建立光流場模型，利用光流方程求解圖像像素點的運動速度。 運動目標跟蹤就是在一個連續(xù)視頻序列中，在每一幀監(jiān)控畫面中找到感興趣的運動目標 （例如車輛、行人、動物等）。跟蹤大致可以分為以下幾個步驟： （1）目標的有效

6、描述：目標的跟蹤過程跟目標檢測一樣，需要對其進行有效的描述，即需 要提取目標的特征，從而能夠表達該目標。一般來說，可以通過圖像的邊緣、輪廓、形狀、紋 理、區(qū)域、直方圖、矩特征、變換系數(shù)等來進行目標的特征描述。 （2）相似性度量計算：常用的方法有歐式距離、馬氏距離、棋盤距離、加權距離、相似系數(shù)、相關系數(shù)等。 （3）目標區(qū)域搜索匹配：如果對場景中出現(xiàn)的所有目標都進行特征提取、相似性計算， 系統(tǒng)運行所耗費的計算量是很大的。因此通常采用一定的方式對運動目標可能出現(xiàn)的區(qū)域進 行估計，從而減少冗余，加快目標跟蹤的速度。常用的預測算法有Kalman 濾波、粒子濾波、均值漂移等。3、 實驗步驟（1） 打開計算

7、機，啟動MATLAB程序，設置MATLAB的程序組中的當前活動文件夾；（2） 找到待處理的圖像文件；（3） 根據(jù)實驗內容和實驗要求進行實驗；（4） 記錄和整理實驗報告。 4、 實驗內容（1） 編寫MATLAB程序，對視頻中的特定目標進行檢測和跟蹤，觀察并記錄結果。Run: clear datadisp('input video');avi = aviread('samplevideo.avi');video = avi.cdata;for a = 1:length(video) imagesc(videoa); axis image off drawnow;en

8、d;disp('output video');tracking(video);Tracking:function d = tracking(video)%輸出跟蹤圖像，輸出目標在每幀的位置。 %讀取圖像if ischar(video) % Load the video from an avi file. avi = aviread(video); pixels = double(cat(4,avi(1:2:end).cdata)/255; clear avielse % Compile the pixel data into a single array pixels = do

9、uble(cat(4,video1:2:end)/255; clear videoend% Convert to RGB to GRAY SCALE image.轉換成灰度圖像nFrames = size(pixels,4);for f = 1:nFrames pixel(:,:,f) = (rgb2gray(pixels(:,:,:,f); endrows=240;cols=320; nrames=f;for l = 2:nramesd(:,:,l)=(abs(pixel(:,:,l)-pixel(:,:,l-1);%幀之間比較，并記錄%圖像恢復重建k=d(:,:,l); bw(:,:,l)

10、 = im2bw(k, .2); bw1=bwlabel(bw(:,:,l); imshow(bw(:,:,l) hold oncou=1;for h=1:rows for w=1:cols if(bw(h,w,l)>0.5) %分割閾值% disp(d(h,w,l); toplen = h; if (cou = 1) tpln=toplen; end cou=cou+1; break end endenddisp(toplen);coun=1;for w=1:cols for h=1:rows if(bw(h,w,l)>0.5) leftsi = w; if (coun = 1)

11、 lftln=leftsi; coun=coun+1; end break end endenddisp(leftsi);%跟蹤圖像顯示 disp(lftln); widh=leftsi-lftln;heig=toplen-tpln;%跟蹤區(qū)域加框提示widt=widh/2;disp(widt);heit=heig/2;with=lftln+widt;heth=tpln+heit;wth(l)=with;hth(l)=heth;disp(heit);disp(widh);disp(heig);rectangle('Position',lftln tpln widh heig,'EdgeColor','r');disp(with);disp(he