基于MeanShift的目标跟踪算法及实现Word文档下载推荐.docx
《基于MeanShift的目标跟踪算法及实现Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《基于MeanShift的目标跟踪算法及实现Word文档下载推荐.docx（17页珍藏版）》请在冰豆网上搜索。
因为Meanshift算法是收敛的，因此在当前帧中通过反复迭代搜索特征空间中样本点最密集的区域，搜索点沿着样本点密度增加的方向“漂移”到局部密度极大点点xiN，也就是被认为的目标位置，从而达到跟踪的目的，MeanShift跟踪过程结束。
运动目标的实现过程【具体算法】：
三、代码实现
说明：
1.RGB颜色空间刨分，采用16*16*16的直方图
2.目标模型和候选模型的概率密度计算公式参照上文
3.opencv版本运行：
按P停止，截取目标，再按P，进行单目标跟踪
4.Matlab版本，将视频改为图片序列，第一帧停止，手工标定目标，双击目标区域，进行单目标跟踪。
matlab版本：
[plain]viewplaincopyfunction[]=select（）
closeall;
clearall;
%%%%%%%%%%%%%%%%%%根据一幅目标全可见的图像圈定跟踪目标%%%%%%%%%%%%%%%%%%%%%%%
I=imread（'
result72.jpg'
）;
figure
（1）;
imshow（I）;
[temp,rect]=imcrop（I）;
[a,b,c]=size（temp）;
%a:
row,b:
col
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%计算目标图像的权值矩阵%%%%%%%%%%%%%%%%%%%%%%%
y
（1）=a/2;
y
（2）=b/2;
tic_x=rect
（1）+rect（3）/2;
tic_y=rect
（2）+rect（4）/2;
m_wei=zeros（a,b）;
%权值矩阵
h=y
（1）^2+y
（2）^2;
%带宽
fori=1:
a
forj=1:
b
dist=（i-y
（1））^2+（j-y
（2））^2;
m_wei（i,j）=1-dist/h;
%epanechnikovprofile
end
end
C=1/sum（sum（m_wei））;
%归一化系数
%计算目标权值直方图qu
%hist1=C*wei_hist（temp,m_wei,a,b）;
%targetmodel
hist1=zeros（1,4096）;
%rgb颜色空间量化为16*16*16bins
q_r=fix（double（temp（i,j,1））/16）;
%fix为趋近0取整函数
q_g=fix（double（temp（i,j,2））/16）;
q_b=fix（double（temp（i,j,3））/16）;
q_temp=q_r*256+q_g*16+q_b;
%设置每个像素点红色、绿色、蓝色分量所占比重
hist1（q_temp+1）=hist1（q_temp+1）+m_wei（i,j）;
%计算直方图统计中每个像素点占的权重
hist1=hist1*C;
rect（3）=ceil（rect（3））;
rect（4）=ceil（rect（4））;
%%%%%%%%%%%%%%%%%%%%%%%%%读取序列图像
myfile=dir（'
D:
\matlab7\work\meanshift\image\*.jpg'
lengthfile=length（myfile）;
forl=1:
lengthfile
Im=imread（myfile（l）.name）;
num=0;
Y=[2,2];
%%%%%%%meanshift迭代
while（（Y
（1）^2+Y
（2）^2&
gt;
0.5）&
amp;
num&
lt;
20）%迭代条件
num=num+1;
temp1=imcrop（Im,rect）;
%计算侯选区域直方图
%hist2=C*wei_hist（temp1,m_wei,a,b）;
%targetcandidatespu
hist2=zeros（1,4096）;
fori=1:
q_r=fix（double（temp1（i,j,1））/16）;
q_g=fix（double（temp1（i,j,2））/16）;
q_b=fix（double（temp1（i,j,3））/16）;
q_temp1（i,j）=q_r*256+q_g*16+q_b;
hist2（q_temp1（i,j）+1）=hist2（q_temp1（i,j）+1）+m_wei（i,j）;
hist2=hist2*C;
figure
（2）;
subplot（1,2,1）;
plot（hist2）;
holdon;
w=zeros（1,4096）;
4096
if（hist2（i）~=0）%不等于
w（i）=sqrt（hist1（i）/hist2（i））;
else
w（i）=0;
%变量初始化
sum_w=0;
xw=[0,0];
a;
sum_w=sum_w+w（uint32（q_temp1（i,j））+1）;
xw=xw+w（uint32（q_temp1（i,j））+1）*[i-y
（1）-0.5,j-y
（2）-0.5];
Y=xw/sum_w;
%中心点位置更新
rect
（1）=rect
（1）+Y
（2）;
rect
（2）=rect
（2）+Y
（1）;
%%%跟踪轨迹矩阵%%%
tic_x=[tic_x;
rect
（1）+rect（3）/2];
tic_y=[tic_y;
rect
（2）+rect（4）/2];
v1=rect
（1）;
v2=rect
（2）;
v3=rect（3）;
v4=rect（4）;
%%%显示跟踪结果%%%
subplot（1,2,2）;
imshow（uint8（Im））;
title（'
目标跟踪结果及其运动轨迹'
plot（[v1,v1+v3],[v2,v2],[v1,v1],[v2,v2+v4],[v1,v1+v3],[v2+v4,v2+v4],[v1+v3,v1+v3],[v2,v2+v4],'
LineWidth'
2,'
Color'
'
r'
plot（tic_x,tic_y,'
b'
end运行结果：
opencv版本：
[cpp]viewplaincopy#include"
stdafx.h"
#include"
cv.h"
highgui.h"
#defineu_charunsignedchar
#defineDIST0.5
#defineNUM20
//全局变量
boolpause=false;
boolis_tracking=false;
CvRectdrawing_box;
IplImage*current;
double*hist1,*hist2;
double*m_wei;
//权值矩阵
doubleC=0.0;
//归一化系数
voidinit_target（double*hist1,double*m_wei,IplImage*current）
{
IplImage*pic_hist=0;
intt_h,t_w,t_x,t_y;
doubleh,dist;
inti,j;
intq_r,q_g,q_b,q_temp;
t_h=drawing_box.height;
t_w=drawing_box.width;
t_x=drawing_box.x;
t_y=drawing_box.y;
h=pow（（（double）t_w）/2,2）+pow（（（double）t_h）/2,2）;
//带宽
pic_hist=cvCreateImage（cvSize（300,200）,IPL_DEPTH_8U,3）;
//生成直方图图像
//初始化权值矩阵和目标直方图
for（i=0;
i&
t_w*t_h;
i++）
{
m_wei[i]=0.0;
}
for（i=0;
i&
4096;
hist1[i]=0.0;
t_h;
i++）
for（j=0;
j&
t_w;
j++）
dist=pow（i-（double）t_h/2,2）+pow（j-（double）t_w/2,2）;
m_wei[i*t_w+j]=1-dist/h;
//printf（"
%f\n"
m_wei[i*t_w+j]）;
C+=m_wei[i*t_w+j];
//计算目标权值直方
for（i=t_y;
t_y+t_h;
for（j=t_x;
t_x+t_w;
//rgb颜色空间量化为16*16*16bins
q_r=（（u_char）current-&
imageData[i*current-&
widthStep+j*3+2]）/16;
q_g=（（u_char）current-&
widthStep+j*3+1]）/16;
q_b=（（u_char）current-&
widthStep+j*3+0]）/16;
q_temp=q_r*256+q_g*16+q_b;
hist1[q_temp]=hist1[q_temp]+m_wei[（i-t_y）*t_w+（j-t_x）];
//归一化直方图
hist1[i]=hist1[i]/C;
hist1[i]）;
//生成目标直方图
doubletemp_max=0.0;
4096;
i++）//求直方图最大值，为了归一化
val_hist[i]）;
if（temp_max&
hist1[i]）
temp_max=hist1[i];
//画直方图
CvPointp1,p2;
doublebin_width=（double）pic_hist-&
width/4096;
doublebin_unith=（double）pic_hist-&
height/temp_max;
p1.x=i*bin_width;
p1.y=pic_hist-&
height;
p2.x=（i+1）*bin_width;
p2.y=pic_hist-&
height-hist1[i]*bin_unith;
%d,%d,%d,%d\n"
p1.x,p1.y,p2.x,p2.y）;
cvRectangle（pic_hist,p1,p2,cvScalar（0,255,0）,-1,8,0）;
cvSaveImage（"
hist1.jpg"
pic_hist）;
cvReleaseImage（&
pic_hist）;
}
voidMeanShift_Tracking（IplImage*current）
intnum=0,i=0,j=0;
intt_w=0,t_h=0,t_x=0,t_y=0;
double*w=0,*hist2=0;
doublesum_w=0,x1=0,x2=0,y1=2.0,y2=2.0;
intq_r,q_g,q_b;
int*q_temp;
hist2=（double*）malloc（sizeof（double）*4096）;
w=（double*）malloc（sizeof（double）*4096）;
q_temp=（int*）malloc（sizeof（int）*t_w*t_h）;
while（（pow（y2,2）+pow（y1,2）&
0.5）&
&
（num&
NUM））
num++;
memset（q_temp,0,sizeof（int）*t_w*t_h）;
w[i]=0.0;
hist2[i]=0.0;
t_h+t_y;
t_w+t_x;
j++）
q_temp[（i-t_y）*t_w+j-t_x]=q_r*256+q_g*16+q_b;
hist2[q_temp[（i-t_y）*t_w+j-t_x]]=hist2[q_temp[（i-t_y）*t_w+j-t_x]]+m_wei[（i-t_y）*t_w+j-t_x];
hist2[i]=hist2[i]/C;
hist2[i]）;
hist2[i]）
temp_max=hist2[i];
width/（4368）;
height-hist2[i]*bin_unith;
hist2.jpg"
if（hist2[i]!
=0）
w[i]=sqrt（hist1[i]/hist2[i]）;
}else
w[i]=0;
sum_w=0.0;
x1=0.0;
x2=0.0;
%d\n"
q_temp[i*t_w+j]）;
sum_w=sum_w+w[q_temp[i*t_w+j]];
x1=x1+w[q_temp[i*t_w+j]]*（i-t_h/2）;
x2=x2+w[q_temp[i*t_w+j]]*（j-t_w/2）;
y1=x1/sum_w;
y2=x2/sum_w;
//中心点位置更新
drawing_box.x+=y2;
drawing_box.y+=y1;
%d,%d\n"
drawing_box.x,drawing_box.y）;
free（hist2）;
free（w）;
free（q_temp）;
//显示跟踪结果
cvRectangle（current,cvPoint（drawing_box.x,drawing_box.y）,cvPoint（drawing_box.x+drawing_box.width,drawing_box.y+drawing_box.height）,CV_RGB（255,0,0）,2）;
cvShowImage（"
Meanshift"
current）;
//cvSaveImage（"
result.jpg"
voidonMouse（intevent,intx,inty,intflags,void*param）
if（pause）
switch（event）
升级会员 