视频跟踪最小系统设计_光电图像跟踪系统课程设计(编辑修改稿)

视频跟踪最小系统设计_光电图像跟踪系统课程设计(编辑修改稿)内容摘要：

yM  ( , )M f x y dxdy  式中， cx 、 cy 是目标矩心坐标； ( , )f xy 是图像函数（即图像上 x 、 y 处像素点的灰度），积分区域 为整个目标图像。 目标矩心示意图 对于上图所示的离散数字图像，其矩心公式可以改写为： 视频跟踪最小系统设计 10 ( , )( , )dby c x ac dby c x axf x yxf x y ( , )( , )dby c x ac dby c x ayf x yyf x y 若图像函数 ( , )f xy 作了二值化处理，则上式也就成了目标形心的计算公式。 跟踪波门的添加算法 利用目标图像与背景图像的二值化后的图像，通过求取目标图像的形心坐标，再在形心的上下左右各添加一条直线作为目标图像的波门，波门的大小比目标图像略大。 基于匹配跟踪算法的描述 总体算法设计流程如下： 匹配模板的确定方法 匹配模板图像可以通过所获取的视频帧图像序列中的某一帧而获得。 其基本方法可以采用区域生长法，由于目标图像的灰度值相关性比较大，因而可以采用一定的图像区域生长准则，截取目标图像作为匹配模板；另外对于所跟踪的目标图像与背景图像有明显不同的灰度值时，我们可以采取阈值分割后，确定目标图像的位置和大小，再通过图像分割的方法的到匹配图像。 搜索区域的确定 对于像素数目较小，且目标图像占有较大图像面积时，我们可以将整个图像区域作为匹匹配模板确定 搜索区域的确定 匹配准则选定及实现 求极值，得出目标中心 视频跟踪最小系统设计 11 配搜索区域，即所谓的全区域搜索策略，但是在遇到小目标时，我们如果再次采用此种方法将会大大不符合动态图像跟踪中的实时性要求，因而我们需要改进搜索区域的算法。 比较常见的快速搜索算法有二维对数搜索法和三步搜索法以及四步搜索法和菱形搜索法等。 鉴于快速搜索法都具有局部最优解的特点，即对应于一幅图像中可能搜索到多个目标的缺点，因而大部分情况下，如果整个图像像素点数目不多时，全区域搜索策略也能很好的满足系统的要求。 匹配准则的确定 比 较经典的跟踪匹配准则有：最大互相关准则、最小均方差准则、最小平均绝对差准则、最大匹配像素数量准则等。 最大互相关准则（ MCC）定义如下 : 111 / 2 1 / 2221 1 1 1( ( , ) ( , ) )( , )( , ) ( , )XYxyX Y X Yx y x yJ x y I x x y yM C C x yJ x y I x x y y                        通过求解上式的极大化可求的匹配目标距离匹配原点的位移矢量为  ,r x y    , argTxy   min ( , )MCC x y。 最小均方差准则定义如下：   2( , )1( , ) ( , ) ( , )x y WM S E x y J x y I x x y ymn         通过求解上式的极小化可求的匹配目标距离匹配原点的位移矢量为  ,r x y    , argTxy   min ( , )MSE x y。 最小平均绝对差准则定义如下： ( , )1( , ) | ( , ) ( , ) |x y WM A D x y J x y I x x y ymn        。 通过求解上式的极小化可求的匹配目标距离匹配原点的位移矢量为  ,r x y    , argTxy   min ( , )MAD x y。 视频跟踪最小系统设计 12 最大像素数量匹配准则如下： ( , , , ) 1T x y x y   if | ( , ) ( , ) |J x y I x x y y T     。 Else ( , , , ) 0T x y x y   ( , )( , ) ( , )x y WM P C x y T x x y y      。 通过求解上式的极大化可求的匹配目标距离匹配原点的位移矢量为  ,r x y    , argTxy   max ( , )MPC x y。 比较以上几种匹配算法可知：最大互相关准则和最小均方差准则由于涉及到平方的运算，因而运算复杂度比较高，在实时性要求比较高的目标跟踪系统中对硬件的要求很苛刻，否则目标跟踪将会失效。 而最小平均绝对差准则和最大像素数量匹配准则只涉及到匹配模板图像与待搜索的图像之间的像素点之间的运算，可以轻松的由硬件来实现，并且可以很好的满足跟踪系统的实时性要求。 4 关键技术的实现及代码编写 基于对比度的矩心跟踪算法的具体实现 二值化图像的阈值确定 其基本思想就是将所要处理的视频图像中的某一帧的直方图确定出来，在将其直方图的特点确定阈值。 由于本次设计所涉及的图像的目标与背景所在的灰度值位于两个不同的灰度区域，因而可以采用双峰之间的低谷作为阈值点。 filepath = 39。 D:\images_seq\image200s\39。 prefix=39。 0000039。 suffix=39。 .bmp39。 filename =strcat(prefix,39。 00139。 ,suffix)。 I=imread([filepath filename])。 %读取视频图像的第一帧 figure(1)。 subplot(1,2,1)。 imshow(I)。 title(39。 视频序列的第一帧 39。 )。 subplot(1,2,2)。 视频跟踪最小系统设计 13 imhist(I,256)。 %图像的直方图显示 title(39。 视频序列图像的灰度直方图分布 39。 ) 由以上结果可以看出，目标背景较暗，且其灰度分布主要处在 40 附近左右；而背景图像较亮，其背景图像的灰阶数主要出于 220 附近左右，中间的灰度值没有像素数与之对应。 因而，又由于背景图像与目标图像的边缘交接处的图像的灰度值是逐渐过渡的 ,为最大限度的得到完整的目标 ,不至于过多的损失 边缘 ,我们应该选择比较靠近背景图像灰阶数最低的那个值处可以选取 198T 作为二值化图像分割的阈值。 帧图像的二值化具体实现 读取视频图像中的一帧，将图像中的各个像素点与阈值进行比较即可得到二值化图像。 具体实现如下： filepath = 39。 D:\images_seq\image200s\39。 prefix=39。 0000039。 suffix=39。 .bmp39。 filename =strcat(prefix,39。 00139。 ,suffix)。 I=imread([filepath filename])。 %读取视频图像的第一帧 figure(1)。 [m,n]=size(I)。 for i=1:m 视频跟踪最小系统设计 14 for j=1:n if I(i,j) =198 %设定阈值为 198 I(i,j)=0。 else I(i,j)=255。 end end end I=mat2gray(I)。 imshow(I,[])。 title(39。 阈值分割后所得到的二值化图像 39。 ) 目标形心位置的确定 利用二值化图像后的矩心公式即可确定目标图像的形心。 具体实现代码如下： sum=0。 x=0。 y=0。 for i=1:m for j=1:n10 sum=sum+I(i,j)。 x=x+i*I(i,j)。 y=y+j*I(i,j)。 end end Xc=fix(double(x)/double(sum))。 Yc=fix(double(y)/double(sum))。 i=Xc。 for j=1:n I(i,j)=0。 视频跟踪最小系统设计 15 end j=Yc。 for i=1:m I(i,j)=0。 end figure(1)。 I=mat2gray(I)。 %确定矩心后的目标图像显示 imshow(I)。 title(39。 利用离散数字图像矩心公式的到的矩心位置 跟踪波门的确定算法 基本思想是在确定了目标形心的情况下，在形心的周围添加一矩形框。 sum=0。 x=0。 y=0。 for i=1:m for j=1:n10 sum=sum+I(i,j)。 x=x+i*I(i,j)。 y=y+j*I(i,j)。 end end Xc=fix(double(x)/double(sum))。 Yc=fix(double(y)/double(sum))。 %以上是确定图像形心的算法 for i=(10+Xc):(10+Xc)%以下是添加波门的核心代码，首先确定出目标图像的尺寸 I(i,Yc30)=255。 I(i,Yc+40)=255。 en for j=(30+Yc):(40+Yc) 视频跟踪最小系统设计 16 I(Xc10,j)=255。 I(Xc+10,j)=255。 End figure(1)。 I=mat2gray(I)。 %确定矩心并添加了跟踪波门的目标图像显示 imshow(I)。 title(39。 添加了跟踪波门的目标图像显示 39。 )。 视频图像 帧序列的播放实现 基本思想是首先对视频图像的各帧进行编号，利用循环算法每循环一次读取一帧图像，并总是保证各帧图像在一个窗口中显示。 filepath = 39。 D:\images_seq\image200s\39。 frame_number = 200。 prefix=39。 0000039。 suffix=39。 .bmp39。