數(shù)字圖像處理-實(shí)驗(yàn)報(bào)告書(shū)(九)目標(biāo)跟蹤

1、精選優(yōu)質(zhì)文檔-傾情為你奉上電子信息學(xué)院實(shí)驗(yàn)報(bào)告書(shū)課程名： 數(shù)字圖像處理 題 目： 實(shí)驗(yàn)九 目標(biāo)檢測(cè)與目標(biāo)跟蹤實(shí)驗(yàn) 實(shí)驗(yàn)類別： 【設(shè)計(jì)】 班 級(jí)： BX0901 學(xué) 號(hào)： 3 姓 名： 竇中鋒 評(píng)語(yǔ)：學(xué)習(xí)態(tài)度：【很好】 【一般】 【較差】 程序編寫(xiě)：【完整】 【部分完整】 【不完整】得出結(jié)論：【正確】 【部分正確】 【不正確】報(bào)告書(shū)寫(xiě)：【規(guī)范】 【一般】 【不規(guī)范】成績(jī)： 指導(dǎo)教師： 范光宇 批閱時(shí)間：2012年 月 日專心-專注-專業(yè)1、 實(shí)驗(yàn)?zāi)康模?） 了解目標(biāo)檢測(cè)和目標(biāo)跟蹤的基本原理和方法；（2） 使用MATLAB對(duì)視頻中的目標(biāo)進(jìn)行檢測(cè)和跟蹤。2、 實(shí)驗(yàn)原理運(yùn)動(dòng)目標(biāo)跟蹤在軍事制導(dǎo)、視覺(jué)導(dǎo)航

2、、機(jī)器人、智能交通、公共安全等領(lǐng)域有著廣泛的 應(yīng)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(cè)中，人、動(dòng)物、車輛等大型運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤也是整個(gè)系統(tǒng)運(yùn)行的關(guān)鍵所在。因此在計(jì)算機(jī)視覺(jué)領(lǐng)域中目 標(biāo)跟蹤是一個(gè)很重要的分支。 運(yùn)動(dòng)目標(biāo)檢測(cè)是運(yùn)動(dòng)目標(biāo)跟蹤的前提。運(yùn)動(dòng)目標(biāo)檢測(cè)，根據(jù)目標(biāo)與攝像機(jī)之間的關(guān)系可以分為靜態(tài)背景下的運(yùn)動(dòng)檢測(cè)與動(dòng)態(tài)背景下的運(yùn)動(dòng)檢測(cè)。（一）靜態(tài)背景下的運(yùn)動(dòng)檢測(cè)：整個(gè)監(jiān)控過(guò)程中只有目標(biāo)在運(yùn)動(dòng)。主要包括以下幾種方法： 1、背景差分法：整個(gè)監(jiān)控過(guò)程中，需要不停地維護(hù)一個(gè)“純背景”。對(duì)于任意一幀監(jiān)控圖 像而言，將其與純背景進(jìn)行差分，從而得到出現(xiàn)在當(dāng)前畫(huà)面中的運(yùn)動(dòng)目標(biāo)。該方

3、法對(duì)光照變 化、 天氣、 背景變化比較敏感，而且需要不停進(jìn)行地依靠學(xué)習(xí)來(lái)維護(hù)一個(gè)純背景畫(huà)面。此外背 景的維護(hù)和更新、陰影去除等對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)至關(guān)重要。 2、幀間差分法：通過(guò)相鄰幀之間的差值計(jì)算，來(lái)獲得運(yùn)動(dòng)目標(biāo)的位置、 形狀等信息的方法。 該方法對(duì)光照的適應(yīng)能力很強(qiáng)，但由于運(yùn)動(dòng)目標(biāo)像素上的相似性，從而不能完整地檢測(cè)出運(yùn) 動(dòng)目標(biāo)。有研究人員將相鄰幀間的差分進(jìn)行改進(jìn)，得到三幀差分方法，即利用相鄰三幀之間的 差值計(jì)算來(lái)進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)。該方法經(jīng)很多研究人員和工程師的實(shí)際測(cè)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(yùn)動(dòng)可以用運(yùn)動(dòng)場(chǎng)描述。而在一個(gè)圖像平面上，物體的運(yùn)動(dòng)往往是通 過(guò)圖

4、像序列中圖像灰度分布的不同來(lái)體現(xiàn)，從而使空間中的運(yùn)動(dòng)場(chǎng)轉(zhuǎn)移到圖像上就表示為光 流場(chǎng)。光流場(chǎng)反映了圖像上每一點(diǎn)灰度的變化趨勢(shì)。它可看成是帶有灰度的像素點(diǎn)在圖像平 面上運(yùn)動(dòng)而產(chǎn)生的瞬時(shí)速度場(chǎng)，也是一種對(duì)真實(shí)運(yùn)動(dòng)場(chǎng)的近似估計(jì)。在比較理想的情況下，它 能夠檢測(cè)獨(dú)立運(yùn)動(dòng)的對(duì)象而不需要預(yù)先知道場(chǎng)景的任何信息，可以很精確地計(jì)算出運(yùn)動(dòng)物體 的速度，并且可用于動(dòng)態(tài)場(chǎng)景的情況。但是大多數(shù)光流方法的計(jì)算相當(dāng)復(fù)雜，對(duì)硬件要求比較 高，不適于實(shí)時(shí)處理，而且對(duì)噪聲比較敏感，抗噪性差。（二）動(dòng)態(tài)背景下的運(yùn)動(dòng)檢測(cè)：監(jiān)控過(guò)程中，目標(biāo)和背景都在發(fā)生運(yùn)動(dòng)或變化。在運(yùn)動(dòng)目標(biāo)檢測(cè) 的應(yīng)用環(huán)境中，動(dòng)態(tài)背景相比而言更加復(fù)雜。根據(jù)相機(jī)的運(yùn)動(dòng)

5、形式，可以分為以下兩種： 1、相機(jī)支架固定：相機(jī)可以隨著云臺(tái)的運(yùn)動(dòng)而發(fā)生旋轉(zhuǎn)，傾斜等運(yùn)動(dòng)。相機(jī)也可以根據(jù)遠(yuǎn) 程計(jì)算機(jī)指令來(lái)控制鏡頭調(diào)焦，從而產(chǎn)生遠(yuǎn)景和近景縮放運(yùn)動(dòng)。 2、相機(jī)置于移動(dòng)設(shè)備之上(例如車載相機(jī))。對(duì)于以上兩種相機(jī)運(yùn)動(dòng)形式的任意一種而言，在進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)之前，都需要根據(jù)一定 的方法進(jìn)行全局運(yùn)動(dòng)估計(jì)與補(bǔ)償。通?？梢岳脡K匹配法、特征點(diǎn)匹配法等進(jìn)行運(yùn)動(dòng)量的估 計(jì)。也可以利用光流法建立光流場(chǎng)模型，利用光流方程求解圖像像素點(diǎn)的運(yùn)動(dòng)速度。 運(yùn)動(dòng)目標(biāo)跟蹤就是在一個(gè)連續(xù)視頻序列中，在每一幀監(jiān)控畫(huà)面中找到感興趣的運(yùn)動(dòng)目標(biāo) （例如車輛、行人、動(dòng)物等）。跟蹤大致可以分為以下幾個(gè)步驟： （1）目標(biāo)的有效

6、描述：目標(biāo)的跟蹤過(guò)程跟目標(biāo)檢測(cè)一樣，需要對(duì)其進(jìn)行有效的描述，即需 要提取目標(biāo)的特征，從而能夠表達(dá)該目標(biāo)。一般來(lái)說(shuō)，可以通過(guò)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(lái)進(jìn)行目標(biāo)的特征描述。 （2）相似性度量計(jì)算：常用的方法有歐式距離、馬氏距離、棋盤距離、加權(quán)距離、相似系數(shù)、相關(guān)系數(shù)等。 （3）目標(biāo)區(qū)域搜索匹配：如果對(duì)場(chǎng)景中出現(xiàn)的所有目標(biāo)都進(jìn)行特征提取、相似性計(jì)算， 系統(tǒng)運(yùn)行所耗費(fèi)的計(jì)算量是很大的。因此通常采用一定的方式對(duì)運(yùn)動(dòng)目標(biāo)可能出現(xiàn)的區(qū)域進(jìn) 行估計(jì)，從而減少冗余，加快目標(biāo)跟蹤的速度。常用的預(yù)測(cè)算法有Kalman 濾波、粒子濾波、均值漂移等。3、 實(shí)驗(yàn)步驟（1） 打開(kāi)計(jì)算

7、機(jī)，啟動(dòng)MATLAB程序，設(shè)置MATLAB的程序組中的當(dāng)前活動(dòng)文件夾；（2） 找到待處理的圖像文件；（3） 根據(jù)實(shí)驗(yàn)內(nèi)容和實(shí)驗(yàn)要求進(jìn)行實(shí)驗(yàn)；（4） 記錄和整理實(shí)驗(yàn)報(bào)告。 4、 實(shí)驗(yàn)內(nèi)容（1） 編寫(xiě)MATLAB程序，對(duì)視頻中的特定目標(biāo)進(jìn)行檢測(cè)和跟蹤，觀察并記錄結(jié)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(biāo)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(zhuǎn)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(fù)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