基于MeanShift算法的目标跟踪Word格式.docx

基于MeanShift算法的目标跟踪Word格式.docx

《基于MeanShift算法的目标跟踪Word格式.docx》由会员分享，可在线阅读，更多相关《基于MeanShift算法的目标跟踪Word格式.docx（19页珍藏版）》请在冰豆网上搜索。

1.首先从摄像头或者本地文件读入视频

2.选择要跟踪的物体，程序读取一帧视频

3.计算视频帧的色调直方图

4.计算视频帧的反向投影图

5.输入反向投影图和跟踪矩形框，调用meanshift算法迭代，寻找局部最优解。

根据重心的移动，调整跟踪矩形框

6.读取下一帧视频，用当前矩形框作为输入，重复执行步骤2-5

1.4meanshift算法实现过程

1在颜色概率分布图中选取搜索窗W

2计算零阶距：

计算一阶距：

计算搜索窗的质心：

3调整搜索窗大小

宽度为

长度为1.2s

4移动搜索窗的中心到质心，如果移动距离大于预设的固定阈值，则重复2）3）4），直到搜索窗的中心与质心间的移动距离小于预设的固定阈值，或者循环运算的次数达到某一最大值，停止计算。

1.5meanshift算法跟踪效果

使用摄像头跟踪人的肤色效果如图1.5.1所示。

图1.5.1

对应于图1.5.1的反向投影图如下图1.5.2所示。

图1.5.2

点选区域的像素点直方图如图1.5.3所示。

图1.5.3

从以上效果图可以发现，meanshift算法处理的是HSV中的色调分量。

换句话说，就是通过追踪相同的颜色，而达到追踪物体的功能。

程序首先计算点选框里的有效像素点，通过统计获得像素点分布直方图；

然后计算出视频的反向投影图，即是像素点的概率分布图。

如上图1.5.2所示，越亮的点就是与原物体越匹配的点，大量的亮点的聚集处就极有可能是需要跟踪的物体；

最后用矩形框框住当前帧中带跟踪的物体，如上图1.5.1所示的结果。

当被跟踪的物体的色调与背景相似时，跟踪就会失效，如图1.5.4所示。

图1.5.4

显然，当背景与被跟踪物体颜色难以区分时跟踪会失败。

原因很简单，meanshift算法实现跟踪的原理就是通过计算色调的概率分布达到跟踪的效果，所以待跟踪的物体一定要与背景在色调上有区分度。

类似的，本程序也可以通过设置：

调试->

命令参数，使用本地的视频文件来实现视频中特定物体的跟踪，具体方法如图1.5.5所示。

由于实验的效果与使用摄像头跟踪物体差不多，所以就不一一截图显示了。

图1.5.5

2程序源码与数据结构

#include<

stdlib.h>

#include"

stdafx.h"

#ifdef_CH_

#pragmapackage<

opencv>

#endif

#ifndef_EiC

#include<

stdio.h>

cv.h"

highgui.h"

ctype.h>

IplImage*image=0,*hsv=0,*hue=0,*mask=0,*backproject=0,*histimg=0;

//用HSV中的Hue分量进行跟踪

CvHistogram*hist=0;

//直方图类

intbackproject_mode=0;

intselect_object=0;

inttrack_object=0;

intshow_hist=1;

CvPointorigin;

CvRectselection;

CvRecttrack_window;

CvBox2Dtrack_box;

//Meanshift跟踪算法返回的Box类

//typedefstructCvBox2D{

//CvPoint2D32fcenter;

/*盒子的中心*/

//CvSize2D32fsize;

/*盒子的长和宽*/

//floatangle;

/*水平轴与第一个边的夹角，用弧度表示*/

//}CvBox2D;

CvConnectedComptrack_comp;

//连接部件

//typedefstructCvConnectedComp{

//doublearea;

/*连通域的面积*/

//floatvalue;

/*分割域的灰度缩放值*/

//CvRectrect;

/*分割域的ROI*/

//}CvConnectedComp;

inthdims=32;

//划分直方图bins的个数，越多越精确

floathranges_arr[]={0,180};

//像素值的范围

float*hranges=hranges_arr;

//用于初始化CvHistogram类

intvmin=10,vmax=256,smin=30;

//用于设置滑动条

intcvmeanshift（constvoid*imgProb,CvRectwindowIn,CvTermCriteriacriteria,CvConnectedComp*comp）//实现meanshift算法

{

CvMomentsmoments;

//CvMoments用来计算矩形的重心，面积等形状特征

inti=0,eps;

CvMatstub,*mat=（CvMat*）imgProb;

CvMatcur_win;

CvRectcur_rect=windowIn;

//当前矩形框

CV_FUNCNAME（"

cvmeanshift"

）;

if（comp）//初始化跟踪矩形

{

comp->

rect=windowIn;

}

moments.m00=moments.m01=moments.m10=0;

//将阶矩和阶矩置

__BEGIN__;

CV_CALL（mat=cvGetMat（mat,&

stub））;

if（CV_MAT_CN（mat->

type）>

1）//通道数选择出错

{

CV_ERROR（CV_BadNumChannels,cvUnsupportedFormat）;

if（windowIn.height<

=0||windowIn.width<

=0）//点选的窗口无效

CV_ERROR（CV_StsBadArg,"

Inputwindowhasnon-positivesizes"

）;

if（windowIn.x<

0||windowIn.x+windowIn.width>

mat->

cols||windowIn.y<

0||windowIn.y+windowIn.height>

rows）

InitialwindowisnotinsidetheimageROI"

CV_CALL（criteria=cvCheckTermCriteria（criteria,1.,100））;

//迭代的标准，精度=1.0，迭代次数=100

eps=cvRound（criteria.epsilon*criteria.epsilon）;

//精度eps=1

for（i=0;

i<

criteria.max_iter;

i++）

intdx,dy,nx,ny;

doubleinv_m00;

//选取搜索区域，对该矩形区域计算它的,1阶矩

CV_CALL（cvGetSubRect（mat,&

cur_win,cur_rect））;

CV_CALL（cvMoments（&

cur_win,&

moments））;

/*Calculatingcenterofmass*/

if（fabs（moments.m00）<

DBL_EPSILON）

{

break;

}

//搜索区域的质量m00

inv_m00=moments.inv_sqrt_m00*moments.inv_sqrt_m00;

//搜索区域的水平重心偏移dx

dx=cvRound（moments.m10*inv_m00-windowIn.width*0.5）;

//搜索区域的垂直重心偏移dy

dy=cvRound（moments.m01*inv_m00-windowIn.height*0.5）;

//搜索区域的重心坐标（nx,ny）

nx=cur_rect.x+dx;

ny=cur_rect.y+dy;

//跟踪目标处于图像边缘时进行一些对应的处理

if（nx<

0）

nx=0;

elseif（nx+cur_rect.width>

cols）

nx=mat->

cols-cur_rect.width;

if（ny<

ny=0;

elseif（ny+cur_rect.height>

ny=mat->

rows-cur_rect.height;

dx=nx-cur_rect.x;

dy=ny-cur_rect.y;

cur_rect.x=nx;

cur_rect.y=ny;

/*Checkforcoveragecentersmass&

window*/

//精度达到要求时就可以退出循环

if（dx*dx+dy*dy<

eps）

__END__;

if（comp）

rect=cur_rect;

area=（float）moments.m00;

//图像面积

returni;

}

voidon_mouse（intevent,intx,inty,intflags,void*param）

//鼠标回调函数,该函数用鼠标进行跟踪目标的选择

if（!

image）

return;

if（image->

origin）

y=image->

height-y;

//如果图像原点坐标在左下,则将其改为左上

if（select_object）

//select_object为,表示在用鼠标进行目标选择

//此时对矩形类selection用当前的鼠标位置进行设置

selection.x=MIN（x,origin.x）;

selection.y=MIN（y,origin.y）;

selection.width=selection.x+CV_IABS（x-origin.x）;

selection.height=selection.y+CV_IABS（y-origin.y）;

selection.x=MAX（selection.x,0）;

selection.y=MAX（selection.y,0）;

selection.width=MIN（selection.width,image->

width）;

selection.height=MIN（selection.height,image->

height）;

selection.width-=selection.x;

selection.height-=selection.y;

switch（event）

caseCV_EVENT_LBUTTONDOWN:

//鼠标按下,开始点击选择跟踪物体

origin=cvPoint（x,y）;

selection=cvRect（x,y,0,0）;

select_object=1;

break;

caseCV_EVENT_LBUTTONUP:

//鼠标松开,完成选择跟踪物体

select_object=0;

if（selection.width>

0&

&

selection.height>

//如果选择物体有效，则打开跟踪功能

track_object=-1;

CvScalarhsv2rgb（floathue）

//用于将Hue量转换成RGB量

intrgb[3],p,sector;

staticconstintsector_data[][3]=

{{0,2,1},{1,2,0},{1,0,2},{2,0,1},{2,1,0},{0,1,2}};

hue*=0.033333333333333333333333333333333f;

sector=cvFloor（hue）;

p=cvRound（255*（hue-sector））;

p^=sector&

1?

255:

0;

rgb[sector_data[sector][0]]=255;

rgb[sector_data[sector][1]]=0;

rgb[sector_data[sector][2]]=p;

returncvScalar（rgb[2],rgb[1],rgb[0],0）;

intmain（intargc,char**argv）

CvCapture*capture=0;

if（argc==1||（argc==2&

strlen（argv[1]）==1&

isdigit（argv[1][0]）））

//打开摄像头

capture=cvCaptureFromCAM（argc==2?

argv[1][0]-'

0'

:

0）;

elseif（argc==2）

//打开avi

capture=cvCaptureFromAVI（argv[1]）;

capture）

//打开视频流失败

fprintf（stderr,"

Couldnotinitializecapturing...\n"

return-1;

printf（"

Hotkeys:

\n"

"

\tESC-quittheprogram\n"

\tc-stopthetracking\n"

\tb-switchto/frombackprojectionview\n"

\th-show/hideobjecthistogram\n"

Toinitializetracking,selecttheobjectwithmouse\n"

//打印程序功能列表

cvNamedWindow（"

Histogram"

1）;

//用于显示直方图

MeanShiftDemo"

//用于显示视频

cvSetMouseCallback（"

on_mouse,0）;

//设置鼠标回调函数

cvCreateTrackbar（"

Vmin"

"

&

vmin,256,0）;

Vmax"

vmax,256,0）;

Smin"

smin,256,0）;

//设置滑动条

for（;

;

）

//进入视频帧处理主循环

IplImage*frame=0;

inti,bin_w,c;

frame=cvQueryFrame（capture）;

//读取一帧图像

frame）

//image为,表明刚开始还未对image操作过,先建立一些缓冲区

image=cvCreateImage（cvGetSize（frame）,8,3）;

image->

origin=frame->

origin;

hsv=cvCreateImage（cvGetSize（frame）,8,3）;

hue=cvCreateImage（cvGetSize（frame）,8,1）;

mask=cvCreateImage（cvGetSize（frame）,8,1）;

//分配掩膜图像空间

backproject=cvCreateImage（cvGetSize（frame）,8,1）;

//分配反向投影图空间,大小一样,单通道

hist=cvCreateHist（1,&

hdims,CV_HIST_ARRAY,&

hranges,1）;

//分配直方图空间

histimg=cvCreateImage（cvSize（320,200）,8,3）;

//分配用于直方图显示的空间

cvZero（histimg）;

//置背景为黑色

cvCopy（frame,image,0）;

cvCvtColor（image,hsv,CV_BGR2HSV）;

//把图像从RGB表色系转为HSV表色系

if（track_object）

//track_object非零,表示有需要跟踪的物体

int_vmin=vmin,_vmax=vmax;

cvInRangeS（hsv,cvScalar（0,smin,MIN（_vmin,_vmax）,0）,

cvScalar（180,256,MAX（_vmin,_vmax）,0）,mask）;

//制作掩膜板，只处理像素值为H：

~180，S：

smin~256，V：

vmin~vmax之间的部分

cvSplit（hsv,hue,0,0,0）;

//分离H分量

if（track_object<

//如果需要跟踪的物体还没有进行属性提取，则进行选取框类的图像属性提取

floatmax_val=0.f;

cvSetImageROI（hue,selection）;

//设置原选择框为ROI

cvSetImageROI（mask,selection）;

//设置掩膜板选择框为ROI

cvCalcHist（&

hue,hist,0,mask）;

//得到选择框内且满足掩膜板内的直方图

cvGetMinMaxHistValue（hist,0,&

max_val,0,0）;

cvConvertScale（hist->

bins,hist->

bins,max_val?

255./max_val:

0.,0）;

//对直方图的数值转为~255

cvResetImageROI（hue）;

//去除ROI

cvResetImageROI（mask）;

track_window=selection;

track_object=1;

//置track_object为,表明属性提取完成

bin_w=histimg->

width/hdims;

hdims;

//画直方图到图像空间

intval=cvRound（cvGetReal1D（hist-