【正文】 對(duì)其一一攻破，并且進(jìn)行了多次仿真實(shí)驗(yàn)，結(jié)論表明 :該算法的跟蹤效果較好。 background subtraction。因此，急需一項(xiàng)技術(shù)能夠代替人在不穩(wěn)定的環(huán)境中對(duì)繁瑣的數(shù)據(jù)的進(jìn)行處理。 MeanShift 算 法不僅在軍事領(lǐng)域舉足輕重，工業(yè)領(lǐng)域也離不開它。 在 計(jì)算機(jī) 技術(shù) 的 飛速 發(fā)展 下 ，數(shù)字圖象技術(shù) 也受到了國(guó)家很大 的重視 ，并且得到快速 的進(jìn)展，出現(xiàn)了許多 與其相關(guān) 的新理論、新方法、新技術(shù) 和新 產(chǎn)品 ，并已 經(jīng) 在 各個(gè) 方面 都取得 了 非常 廣泛的應(yīng)用，對(duì)改善人 類 生活 質(zhì)量、推動(dòng)社會(huì) 進(jìn)步 都起到了 不可忽視 的作用。從 98 年 開始 ，英國(guó) 的 雷丁大學(xué) 開始研究路 人 與機(jī)動(dòng) 車輛的跟蹤 和 交互作用 識(shí)別。 在視頻圖像處理方面的探索我國(guó)起步相對(duì)較晚，一直到 86 年才 正式開始 對(duì)視頻跟蹤技術(shù)的研究 立項(xiàng)。因?yàn)闃颖军c(diǎn)隨機(jī)的分布在樣本空間，應(yīng)該如何選取合適的長(zhǎng)度與角度以及正確的窗口寬度依舊是 MeanShift 算法 需要解決 的重要問題。馬麗主要研究的是在跟蹤中運(yùn)動(dòng)目標(biāo)被遮擋的問題，并提出了多子塊表決與灰度相關(guān)匹配相連接的跟蹤算法，然后再把 粒子濾波算法和 MeanShift 跟蹤 算法進(jìn)行有效 的 結(jié)合 起來。算法耗時(shí)必須要少，至少做到每采集一幀圖像湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 3 時(shí)，算法要運(yùn)行一遍，否則將無法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的正常跟蹤。 上述存在的問題，對(duì)運(yùn)動(dòng)目標(biāo)實(shí)時(shí)魯棒的跟蹤將會(huì)更加艱難。第三節(jié)詳細(xì)介紹了該項(xiàng)技術(shù)在實(shí)現(xiàn)過程中所遇到的難點(diǎn)，例如：跟蹤背景比較復(fù)雜、能否做到實(shí)時(shí)性跟蹤和跟蹤過程中目標(biāo)被遮擋等問題?；叶然幚砭褪菍⒉噬?R, G, B 進(jìn)行分量處理。根據(jù)人的視覺習(xí)慣，人眼對(duì)綠色敏感度會(huì)大于紅色，對(duì)紅色的敏感度又比藍(lán)色強(qiáng)烈，所以 ??? ?? 能得到比較好的灰度圖像，根據(jù)理論和以往經(jīng)驗(yàn)證 明，當(dāng) , ??? ??? 時(shí)，得到的灰度圖像比較合理。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 5 (2)中值濾波 中值濾波依賴于模板的實(shí)現(xiàn)，是一種非線性濾波。 ② 讀取模板相對(duì)應(yīng)的像素點(diǎn)灰度值 。 通過以上步驟可以看出，中值濾波的主要功能就是把不同的像素灰度值修改成與周圍像素值大小接近的值，這樣對(duì)于椒鹽噪聲的消除能力是很強(qiáng)的，與均值濾波相比較，由于中值濾波不是簡(jiǎn)單的取平均值，所以產(chǎn)生的模糊比較少。在選好表達(dá)方法之后，我們還需要描述跟蹤目標(biāo)，主要目的是使電腦做到完全識(shí)別出所得到的分割結(jié)果，并且做到充分利用。矩形框表示法 在顯示目標(biāo)位置的同時(shí)也能得出目標(biāo)的大小。每個(gè)團(tuán)塊內(nèi)的像素點(diǎn)都有相似之處。基于圖像的表示法又可分為空間表示和時(shí)空表示等，空間表示是將圖像或圖像中目標(biāo)的一部分變換到非笛卡爾空間，得到對(duì)圖像數(shù)據(jù)更簡(jiǎn)潔的表示 ，通常采用的變換有傅里葉變換、主成份量分析、離散余弦變換、小波變換等，時(shí)空表示是在空間表示法基礎(chǔ)上加上時(shí)間維信息，湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 6 以表示與運(yùn)動(dòng)相關(guān)的特征。利用該方法處理后，能夠做到充分保持圖像的基本特性，并且能夠處理掉不相干的結(jié)構(gòu)，從而大大的簡(jiǎn)化圖像數(shù)據(jù)。膨脹與腐蝕的符號(hào)分別為 ? 和 ? 。其實(shí)，用變量元素 b 來腐蝕輸入圖像 f 所得到的集合正好等價(jià)于 b 全部包含在 f 中時(shí) b 零點(diǎn)位置的集合。 (2)開啟和閉合 開啟和閉合運(yùn)算由膨脹運(yùn)算和腐蝕運(yùn)算復(fù)合而來， b 對(duì) f 的開啟運(yùn)算被定義為 : ? ? bbfbf ???? (7) 開啟運(yùn)算的原理是對(duì)圖像在進(jìn)行一次腐蝕運(yùn)算之后，再對(duì)圖像進(jìn)行一次膨脹運(yùn)算。圖像的灰度化處理用到的技術(shù)是對(duì)圖像進(jìn)行加權(quán)平 均；而去噪處理用到的則是中值濾波。預(yù)處理又分為噪聲處理和圖像灰度化處理兩個(gè)重要內(nèi)容。 OpenCV 的作用主要是為了構(gòu)建出簡(jiǎn)易的計(jì)算機(jī)影像框架，其目的是為科學(xué)家們?cè)O(shè)計(jì)出更好的計(jì)算機(jī)影像相關(guān)軟件提供幫助。 下載和安裝 OpenCV OpenCV 主頁(yè)在 SourceFe 網(wǎng)站 : llSourceFe. Netlprojectsl opencvlibrary，對(duì)應(yīng)的 Wiki 在 : //opencv. willowgarage. ，對(duì)于 Windows 系統(tǒng)，則為 OpenC 安裝程序，然而，最新的版本始終都在 SourceFe 的 SVN 倉(cāng)庫(kù)中 【 16】 。當(dāng)然，你也可以進(jìn)入下載安裝包的? /make 目錄下，使用 VS20xx 打開 ，或者使用低版本的 MC++(如)打開 opencv. dsw，然后按照提示生成調(diào)試版本的庫(kù)，當(dāng)然也可以重新生成Release 版本的庫(kù)。 搭建 OpenCV 環(huán)境 本文的硬件平臺(tái)為惠普 G42474TX 筆記本電腦， CPU 為主頻 32 位雙核酷睿 i3 390M， 2G 內(nèi)存。 然 后 ，檢 查 C:\Program Files\OpenCV\bin 是否已經(jīng)被加入到環(huán)境變量 PATH 中（我的電腦 ?屬性 ?環(huán)境變量），如果沒有，請(qǐng)加入。 2） 項(xiàng)目設(shè)置 每次創(chuàng)建項(xiàng)目時(shí)，若想使用 OpenCV，則需要在工程中加入 需要的 lib 庫(kù)文件。 //代表坐標(biāo)系中的豎坐標(biāo)，原點(diǎn)坐標(biāo)為 0 } CvPoint。 //結(jié)構(gòu)體大小 int Card。 //0 和 1 分別代表交叉存取顏色信道和分開顏色信道 int Orange。 //表示圖像比較活躍的區(qū)域 int Data_Size。 5） cvCreateVideoWriter 結(jié)構(gòu) typedef struct CvVideoWriter Movie_Reader。 指定的顏色可以將輸入的圖片轉(zhuǎn)為 3信道 (CV_LOAD_IMAGE_COLOR)， 單信(CV_LOAD_IMAGE_GRAYSCALE)， 或者保持不變(CV_LOAD_IMAGE_ANYCOLOR)。 3） cvCreateFileCapture( )與 cvCreateCameraCapture( ) CvCapture* cvCreateFileCapture( const char* filename )。 CvCapture* cvCreateCameraCapture( int index )。釋放這個(gè)結(jié)構(gòu)， 也要 使用函數(shù) cvReleaseCapture。返回的圖像不可以被用戶釋放或者修改。可以是下面之一 ： CV_CAP_PROP_POS_MSEC 影片目前位置，為毫秒數(shù)或者視頻獲取時(shí)間戳 CV_CAP_PROP_POS_FRAMES 將被下一步解壓 /獲取的幀索引，以 0為起點(diǎn)CV_CAP_PROP_POS_AVI_RATIO 視頻文件的相對(duì)位置（ 0 影片的開始， 1 影片的結(jié)尾 ) CV_CAP_PROP_FRAME_WIDTH 視頻流中的幀寬度 CV_CAP_PROP_FRAME_HEIGHT 視頻流中的幀高度 CV_CAP_PROP_FPS 幀率 CV_CAP_PROP_FOURCC 表示 codec的四個(gè)字符 CV_CAP_PROP_FRAME_COUNT 視頻文件中幀的總數(shù) int cvSetCaptureProperty( CvCapture* capture, int property_id, double value )?？梢允窍旅嬷唬? CV_CAP_PROP_POS_MSEC 從文件開始的位置，單位為毫秒 CV_CAP_PROP_POS_FRAMES 單位為幀數(shù)的位置（只對(duì)視頻文件有效） CV_CAP_PROP_POS_AVI_RATIO 視頻文件的相對(duì)位置（ 0 影片的開始， 1 影片的結(jié)尾 ) CV_CAP_PROP_FRAME_WIDTH 視頻流的幀寬度（只對(duì)攝像頭有效） CV_CAP_PROP_FRAME_HEIGHT 視頻流的幀高度（ 只對(duì)攝像頭有效） 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 14 CV_CAP_PROP_FPS 幀率（只對(duì)攝像頭有效） CV_CAP_PROP_FOURCC 表示 codec的四個(gè)字符（只對(duì)攝像頭有效） value ： 屬性的值。P39。M39。M39。P39。 在 Win32下，如果傳入?yún)?shù) 1，可以從一個(gè)對(duì)話框中選擇壓縮方法和壓縮參數(shù) 。 7） cvWriteFrame( )： 寫入一幀到一個(gè)視頻文件中 int cvWriteFrame( CvVideoWriter* writer, const IplImage* image )。從第一節(jié)的 OpenCV 函數(shù)介紹，再到第二節(jié)的下載安裝教程，最后講述的是創(chuàng)建項(xiàng)目所要注意的地方：必須把 OpenCV 的 lib 庫(kù)文件和頭文件添加進(jìn) 去，這將直接導(dǎo)致程序能否運(yùn)行成功。但要實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤也不是一件簡(jiǎn)單的事情，怎樣才能做到在視頻中快速完美的匹配運(yùn)動(dòng)目標(biāo)，這是廣大研究者一直以來都在努力解決的問題。隨著科學(xué)技術(shù)的快速發(fā)展，運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)也越來越嫻熟。均值漂移算法工作的過程其實(shí)就是一個(gè)迭代過程，跟蹤目標(biāo)每到一個(gè)像素點(diǎn)，則算出當(dāng)前點(diǎn)的漂移均值，并且把該像素點(diǎn)作為起點(diǎn)，接著向下一個(gè)像素點(diǎn)移動(dòng)，以此循環(huán)，直到能夠滿足一定條件。 MeanShift(均值漂移 )算法的多重優(yōu)點(diǎn)，使得其在計(jì)算機(jī)視覺領(lǐng)域備受關(guān)注。因此，對(duì)應(yīng)的均值漂移向量 ??xMh 也同樣應(yīng)該指向概率密度梯度的方向。例如在圖像平滑方面，還有對(duì)圖像進(jìn)行分割。目標(biāo)第 i個(gè)像素的坐標(biāo)值用 ix 來表示 。 位于 y 的物體可描述為 ? ? ? ?? ???? ????????? ?? hnisisihu uxbh yxkCyp12 ? （ 12） ? ? ???????? ??hniihhxykC1 221，其中 six 是以 y 為中心的候選目標(biāo)像素坐標(biāo)。 (5)確定目標(biāo)的位置 據(jù)公式可知，當(dāng) Bhattacharrya 系數(shù)達(dá)到最大值時(shí)，他 所在的位置即為目標(biāo)所在位置。 圖 8 圖形界面 2 目標(biāo)跟蹤效果 如圖 9 所示，設(shè)置好窗口大小等參數(shù)后，就會(huì)出現(xiàn)圖中所示畫面，電腦攝像頭將會(huì)被打開。 由于在日常生活中，視頻監(jiān)控系統(tǒng)不可能只在如此穩(wěn)定的環(huán)境中進(jìn)行跟蹤，實(shí)際應(yīng)用中往往存在很多的干擾，例如跟蹤背景復(fù)雜、相似目標(biāo)較多等原因。因此，本文中的 MeanShift 算法是本人參考多方面的資料總結(jié)而來，利用 Bhattacharrya 系數(shù)使跟蹤效果有很大的改善。每一項(xiàng)技術(shù)都是一個(gè)循序漸進(jìn)的過程，如基于 MeanShift 算法的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù) ，在剛被提出來時(shí)根本就沒有人感興趣，直到后面才開始慢慢受到廣大學(xué)者和研究者們的關(guān)注，以此帶動(dòng)了它的快速發(fā)展。運(yùn)動(dòng)目標(biāo)跟蹤算法的好壞會(huì)直接影響到在目標(biāo)跟蹤過程中的效果，增強(qiáng)跟蹤算法的實(shí)時(shí)性和魯棒性一直都是廣大研究者和學(xué)者的研究目標(biāo)。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 24 參考文獻(xiàn) [1] 柳偉 ,羅以寧 ,孫南 .基于背景優(yōu)化的 MeanShift 目標(biāo)跟蹤算法 [M].計(jì)算機(jī)應(yīng)用 ，~100 [2] 高國(guó)旺 ,劉上乾 .強(qiáng)背景噪聲下紅外目標(biāo)的魯棒性跟蹤算法 [M].西安： 西安電子科技大學(xué)學(xué)報(bào) (自然科學(xué)版 )， 20xx. [3] 李紅波 ,曾德龍 .基于 MeanShift 和粒子濾波的兩步多目標(biāo)跟蹤方法 [M]. 重慶： 重慶郵電大學(xué)學(xué)報(bào) ( 自然科學(xué)版 )， 20xx. [4] Kailath T,The divergence and bhattacharyya distance measures in signal Transactions on Communication Technology,~69 [5] Comaniciu D,Ramesh V,Meer P,Realtime tracking of nonrigid objects using mean shift． IEEE Conference on Computer Vision and Pattern recognition,20xx,67~90 [6] omaniciu D,Ramesh V,Meer P, Kernelbased object Trans on Pattern Analysis and Machine Intelligence,20xx,78~89 [7] 朱淼良 .計(jì)算機(jī)視覺 [M].浙江大學(xué)出版社 ,~203 [8] 侯志強(qiáng) ,韓崇昭 .視覺跟蹤技術(shù)綜述 [J].自動(dòng)化學(xué)報(bào) ,20xx. [9] 秦歡歡 .視頻序列中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究 [D].太原理工大學(xué)碩士學(xué)位論文 ,20xx [10] Hu W M, Tan T N, Wang L, et al. ASurvey on Visual Surveillance of Object Motion andBehaviors [J]. IEEE Transactions on System Man and Cyberics, 20xx,45~47 [11]寧紀(jì)鋒 ,姜光 ,李鵬飛 .一種基于角點(diǎn)的 MeanShift 目標(biāo)跟蹤算法 [J].計(jì)算機(jī)應(yīng)用研究 , ~139