视频跟踪实验报告

本次实验是一种基于MATLAB的简易的从视频播放的帧图像中找出目标图像，并进行视频跟踪的实现方法。通过对图像进行阈值处 理(图像分割)，再对分割后的图像求取形心，以对目标图像进行定 位，并最后找到各幅帧图像的目标位置的方法，从而实现对95帧视频图像的实时跟踪。图片存于帧图片文件夹！程序算法为Untitled6.m 文件！基于MATLAB的图像跟踪算法2.1 95帧视频图像的读取由于视频是由95帧图像通过连续播放从而达到视频的效果的，所以要达到 视频放映的效果，应首先对95帧图像序列进行顺序读取。95帧图像存储在MATLAB的默认路径中，文件名为 00000xxx.bmp。要达到读取它们的目的， 需要使用循环算法。算法由一个名为read_seqim(i)的函数实现，以下是函数的 源程序：function l=read_seqim(i)if nargin=0i=1;m in=00000001;endn ame=nu m2str(i);if i<=9mi n=strcat('0000000', name,'.bmp');elseif i<=99min=strcat('000000',name,'.bmp');elsemin=strcat('00000',name,'.bmp');endI=imread(min);其中 i 为读取图像的序号，通过以上的函数可以很方便的实现对 95 帧图像中任意一帧的读取，从而为后面的处理提供方便。2.2 图像的阈值处理(图像分割)阈值 (Threshold) ，也叫门限。阈值化 (Thresholding), 即按给定阈值进行图像的二值化处理。阈值分割法可分为以下几种：简单阈值分割法 ;多阈值分割法 ;最大类间方差法 ;最佳阈值法。许多情况，图像是由具有不同灰度级的几类区域组成。 如文字与纸张、 地物与云 层(航空照片)等，阈值分割是利用同一区域的具有某种共同灰度特性进行分割。 而用阈值分割法分割图像就是选取一个适当的灰度阈值， 然后将图像中的每个像 素和它进行比较，将灰度值超过阈值的点和低于阈值的点分别指定一个灰度值， 就可以得到分割后的二值图像， 此时目标和背景已经得到了分割。 阈值分割法简 单，快速，特别适用于灰度和背景占据不同灰度级范围的图像。 这里我们使用多 阈值分割法多阈值分割法就是假设一幅图像包含两个以上的不同类型的区域，可以使用几个门限来分割图象。分割函数如下：f f (x, y)" g(x, y)=3 f" c f(x, y)兰 T2f2, f(x,y)>T21阈值的确定由于需要分析的95帧图像的灰度分布大致是相当的，所以我们任意选取一帧图 像来求取它的阈值，这里我们选取第50帧图像，具体的源代码如下：IO=read_seqim(4O);% 任意读取一帧图像figure(1),imshow(IO);% 原图像显示IO=double(IO);figure (2),hist(l0,300);%原图像直方图显示所得到的图像如下:上图为读取一帧图像的图像显示，下图为它所对应的直方图显示2图像的阈值分割第一图中的小球是我们所要跟踪的目标第二图中我们可以看出我们所要得到的目标灰度分布于灰度值在140-95的区域内；图中灰度在40-140区域内为背景的灰度表示，所以这里我们就设定两 个阈值T1=150;T2=220.在两阈值中间的区域为目标区域。通过图像分割把目标 从图像中提取出来，具体源代码如下：T1=150;T2=220;%观察并找出阈值for i=1:95l=read_seqim(i);M=double(l);for m=1:180for n=1:315if (M(m, n)>=T1)&&(M(m, n)<=T2)M(m,n)=1;%设置背景灰度elseM（m,n）=0;% 设置目标灰度endendend%图像的分割和阈值处理形心（距心）的求取成像跟踪系统经过图像的预处理、图像的分割识别等一系列信息处理，最终实现对目标位置的实时精确测量，即对目标或目标的局部实施稳定跟踪。 目标跟踪的方法具体有以下几种：矩心（质心、形心）跟踪；边缘跟踪；峰值跟踪；相关跟踪；滤波跟踪。这里我们使用矩心（质心、形心）跟踪。矩心也叫质心或重心，是物体对某轴 的静力矩作用中心。如果把目标图像看成是一块质量密度不均匀的薄板，以图像上各像素点的灰度作为各点的质量密度。 这样就可以借用矩心的定义式来计算目 标图像的矩心。由于计算重心的过程是个统计平均过程，它算出的跟踪点不是个 别的最亮点位置，而是图像中各个像元灰度加权平均的位置，所以，以重心为跟 踪点，跟踪的随机误差小，精度高，稳定性好。具体的计算方法如下:N7 M-l 工工yfg y)x=0 尹=0N-l M-Lx=0 y=Q其中f （x，y）为（x，y）处的灰度值,N和M分别为图像的列数和行数，以下为求取形心的源程序:设置跟踪波门 X=0;Y=0;X1=0;Y1=0;PINJUN=0;PINJUN1=0;for m=1:180for n=1:315x=m*M(m,n); y=n*M(m,n); pinjun=M(m,n);X=X+x;Y=Y+y;PINJUN=PINJUN+pinjun;endX1=X1+X;Y1=Y1+Y;PINJUN1=PINJUN1+PINJUN;endXmean=X1/PINJUN1;Ymean=Y1/PINJUN1; Xmean=(Xmean*100-mod(Xmean*100,100)/100; Ymean=(Ymean*100-mod(Ymean*100,100)/100; %求取形心的计算为了实现对视频目标的跟踪，设置波门是一个十分必要的工作。 对边缘跟踪及矩 心跟踪来说，都要设置一个波门。波门的尺寸略大于目标图象，波门紧紧套住目标图象 (如图 342 所示 )。波门是随目标图象视频信号而产生的。在波门以内的信号当作感兴 趣的信号予以检出而摒除波门以外的其它信号； 也可以针对视场中出现的苦干个目标面 同时设置几个波门， 分别检出各个波门中的信号。 从整个视场中检出波门内的信号的方 法属于选通技术的范畴。 利用选通技术可以对目标进行有选择的跟踪， 同时也可以非常 有效地排除背景干扰。这里的波门设置方法为以形心位置为中心， 在图像中包含目标的区域添加一个合适矩形框（即跟踪波门，这里我们取 22 X 22 pixels ）,以实现对95帧图像的实 时跟踪，以下为波门设置源代码：for m=(Xmea n-11):(Xmea n+11)n=Y mea n-11;I(m, n)=1;endfor m=(Xmea n-11):(Xmea n+11)n=Y mea n+11;I(m, n)=1;endfor n=(Ymea n-11):(Ymea n+11)m=Xmea n-11;I(m, n)=1;endfor n=(Ymea n-11):(Ymea n+11)m=Xmea n+11;I(m, n)=1;end%画出跟踪波门通过上图我们不难看出，我们已经找到了正确的波门，并且实现了目标的定位和 跟踪，通过以上简单的方法实现了简易图像跟踪系统的设计， 并且较稳定地对目 标图像进行了跟踪。