【正文】 [12] 梁春迎 , 王國 營 . 基于 運(yùn)動 統(tǒng)計(jì) 和 關(guān)鍵 幀的 視頻 檢索 方法 [J]. 通信技術(shù) ,20xx,23~25 [13]朱勝利 ,朱善安 ,李旭超 .快速運(yùn)動目標(biāo)的 MeanShift 算法 [J].光電工程 ,20xx [14]LI P H,ZHANG T W,MA Kalman Filter for Visual Curve Tracking[J]. Image and Vision Computing,20xx [15] CHENG , Mode Seeking, and Clustering[J].IEEE Trans on Pattern Analysis and Machine Intelligence, 1995 [16]Gary Bradski,Adrian OpenCV[M].圖像處理 ,~254 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 25 致 謝 在這次畢業(yè)設(shè)計(jì)過程中讓我知道了學(xué)無止境的道理。 論文的完成也就意味著大學(xué)生涯即將成為過去，首先，在這里我要感謝我的導(dǎo)師夏鑫老師，畢業(yè)設(shè)計(jì)之所以能完成的如此順利，這與夏老師的耐心指導(dǎo)密切相關(guān)。也教會了我很多 MFC 方面的知識，讓我受益匪淺。 最后，我要感謝我的家人，謝謝你們一直以來對我的支持與關(guān)愛，你們的理解是我人生道路上最強(qiáng)大的后盾，讓我無所畏懼；你們的關(guān)心是我在受傷時(shí)最好的良藥，讓我總能重拾信心。 void on_mouse(int event, int x, int y, int flags,void *NotUsed) { if( !image ) return。 = + CV_IABS(x )。 = MIN( , imagewidth )。 } switch( event ) { case origin = cvPoint(x,y)。 case CV_EVENT_LBUTTONUP: 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 27 select_object = 0。//如果選擇物體有效，則打開跟蹤功能 else if(tool_number==1) track_object[1]=1。 (沒有發(fā)現(xiàn)攝像頭 )。 (無法打開攝像頭 1)。 // 設(shè)置鼠標(biāo)回調(diào)函數(shù) IplImage *frame = ()。 hsv = cvCreateImage( cvGetSize(frame), 8, 3 )。 backproject_0 = cvCreateImage( cvGetSize(frame), 8, 1 )。hranges, 1 )。 //同上 hist_1 = cvCreateHist( 1, amp。 cvZero( histimg )。 } else if(tool_number==2) { vmax_[1]=vmax。 cvCopy( frame, image, 0 )。i++) { 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 29 if(i==0) { cvCopy。 // 彩色空間轉(zhuǎn)換 BGR to HSV for(i=0。 smin_[1]=smin。 vmin_[0]=vmin。hranges, 1 )。hdims, CV_HIST_ARRAY, amp。 hist = cvCreateHist( 1, amp。 mask = cvCreateImage( cvGetSize(frame), 8, 1 )。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 28 image = cvCreateImage( cvGetSize(frame), 8, 3 )。 } cvNamedWindow(solution,1)。 } else { CCameraDS camera。 } } //以下代碼為，目標(biāo)跟蹤界面，以及 MeanShift 算法的處理 void CDemoDlg::OnOK() { int ncams=CCameraDS::CameraCount()。amp。//坐標(biāo) select_object = 1。 = 。 = MAX( , 0 )。 if( select_object )//如果處于選擇跟蹤物體階段，則對 selection 用當(dāng)前的鼠標(biāo)位置進(jìn)行設(shè)置 { = MIN(x,)。 謹(jǐn)以此文獻(xiàn)給所有幫助過我的人們，正是因?yàn)槟銈兊膸椭拍苡形业慕裉?，在這里對你們表示衷心的感謝。 感謝同班同學(xué)劉澤宇和張晟同學(xué)，他們在我的畢設(shè)過程中提出了很多寶貴的意見，在我的論文中也作出了很多指導(dǎo)。在這里，我要向他表示感謝和深深的敬意。挫折是人生道路上的財(cái)富，我們要認(rèn)真對待。其次，本文用到的 MeanShift（均值漂移）算法，不會因?yàn)槿鄙傧袼攸c(diǎn)而導(dǎo)致在空間位置信息上的不足。它的應(yīng)用領(lǐng)域也從工業(yè)擴(kuò)展到軍事，最后走進(jìn)家庭。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 23 結(jié)束語 科學(xué)技術(shù)的進(jìn)步會帶動工業(yè)的快速發(fā)展，工業(yè)的發(fā)展亦會帶動人們?nèi)パ芯扛咝碌募夹g(shù)，社會的進(jìn)步離不開這兩個(gè)互補(bǔ)的過程。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 22 圖 11 單個(gè)目標(biāo)跟蹤效果 圖 12 多目標(biāo)干擾跟蹤效果 本章小結(jié) 本章主要討論的是均值漂移算法的工作原理，以及跟蹤效果。如圖 10 所示，點(diǎn)擊鼠標(biāo)左鍵，拖動以框住人體頭部。 程序運(yùn)行結(jié)果 圖形界面 如圖 7 所示，程序運(yùn)行出來的首界面只有兩個(gè) button 按鍵，左邊按鍵的功能是在打開攝像頭之前對圖像的視頻窗口進(jìn)行自定義，右邊按鍵很顯然就是結(jié)束功能。 ??ypu? 與 ?uq 的最相似性用 Bhattacharrya 系數(shù) ??y?? 來度量分布，即 ? ? ? ?? ? ? ????? ?? mu uu qypqypy 1,?? （ 13） 式 (13)在 ???????? 0ypu點(diǎn)泰勒展開可以得到， ? ?? ? ? ? ? ? ? ?011 0 2121, yp qypqypqypuumu umu u ?? ?? ??? （ 14） 把 式 (12)放入式 (14 )，經(jīng)過整理后可以得到， ? ?? ? ? ? ???? ???????? ??? niiihmu u hxykwCqypqyp121 0 221,? （ 15） 其中， 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 19 ? ?? ? ? ?01 ypquxbwuumu ii ?? ?? ? （ 16） 由此可以看出式 (15)右邊的最后一項(xiàng)是帶權(quán)值的核密度估計(jì)，我們可以通過均值漂移算法對其進(jìn)行最優(yōu)化處理。 因?yàn)?C 是一個(gè)歸一化常量，因此，不管怎么變化，它所有特征值的概率總和都等于 1。如圖 6 所示，為均值漂移算法的流程圖。從圖中箭頭的指向我們可以明顯看出， 圖 5 MeanShift 示意分布圖 偏移向量 ??xMh 的箭頭往往是 指向樣本點(diǎn)分布最集中地方向，換句話說，就是概率密度函數(shù)的梯度方向。 若定義 ? ?xxx i ??? ，則 x? 表示的是采樣點(diǎn) ix 相對于點(diǎn) x 的偏移量，公式 (9)中，均值漂移向量 ??xMh 就是將高維球區(qū)域 hS 中的 k 個(gè)采樣點(diǎn)與點(diǎn) x 的相對偏移向量求和再對其求平均值。 MeanShift(均值漂移 )之所以在現(xiàn)在還能在圖像處理領(lǐng)域得到如此廣泛的應(yīng)用，這跟廣大研究者們的努力使密不可分的。 MeanShift 算法研究 MeanShift(均值漂移 )這一概念最開始被提出是在 20 世紀(jì) 80 年代《關(guān)于概率 度梯度函數(shù)的估計(jì)》中。 當(dāng)前，運(yùn)動目標(biāo)跟蹤通常由目標(biāo)識別與目標(biāo)匹配來實(shí)現(xiàn)。它是通過獲取視頻中運(yùn)動目標(biāo)每一幀的運(yùn)動狀態(tài)，通過對比每幀圖像的差別，從而實(shí)現(xiàn)運(yùn)動目標(biāo)的實(shí)時(shí)跟蹤。 image： 被寫入的幀。 frame_size： 視頻流的大小。G39。J39。139。I39。 filename： 輸出視頻文件名。目前這個(gè)函數(shù)對視頻文件只支持： CV_CAP_PROP_POS_MSEC, CV_CAP_PROP_POS_FRAMES, CV_CAP_PROP_POS_AVI_RATIO； capture： 視頻獲取結(jié)構(gòu) 。 獲得攝像頭或者視頻文件的指定屬性 ； capture： 視頻獲取結(jié)構(gòu) 。 capture： 視頻獲取結(jié)構(gòu)。如果只有一個(gè)攝像頭或者用哪個(gè)攝像頭也無所謂，那使用參數(shù) 1應(yīng)該便可以。 函數(shù) cvCreateFileCapture給指定文件中的視頻流分配和初始化 CvCapture結(jié)構(gòu)。 name：窗口的名字。 Videoname： 該 char型常量代表的是被加載的視頻名字。 //以字節(jié)為單位的圖像大小 } 4） CvCapture 結(jié)構(gòu) typedef struct CvCapture CvChance。 //圖像的寬，用像素值表示其大小 int m_Height。 //支持的信道 int Depther。 3） IplImage 結(jié)構(gòu) IplImage 結(jié)構(gòu)體的主要功能是用來處理和創(chuàng)造圖像，它隸屬于 inter 函數(shù)庫 IPL，該函數(shù)庫的 主要功能是圖像處理。 以下是對常用數(shù)據(jù)結(jié)構(gòu)的介紹： 1） CvPoint 結(jié)構(gòu) 它是一個(gè) int 型結(jié)構(gòu)，代表了二維坐標(biāo)系下面的點(diǎn)，其結(jié)構(gòu)體如下所示： 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 11 typedef struct CvPoint { int a。 OpenCV 在 下的詳細(xì)配置過程： 1） 全局設(shè)置 菜單 ?工具 ?選擇 ?目錄： 首先設(shè)置 lib 路徑，平臺選擇 Win32，目錄 選擇 Library files，然后在空白處輸入lib 路徑 ,如 下圖 1 所示 。軟件開發(fā)平臺為湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 9 WindowsXP 操作系統(tǒng) 、 OpenCV 以及 MS Visual C++ (以下簡稱 )。 然后確認(rèn)將二進(jìn)制文件路徑添加到操作系統(tǒng)的環(huán)境變量 PATH 中。在 Windows 操作系統(tǒng)下，首先，從 OpenCV官網(wǎng)中下載 EXE 安裝程序，雙擊后即可安裝。由于計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)是密切相關(guān)的，因此OpenCV 還提供 MLL 機(jī)器學(xué)習(xí)庫，能夠很容易的 應(yīng)用到其他的機(jī)器學(xué)習(xí)場所。 OpenCV 除了 C 之外，它 還支持 TPython 、 Ruby 等 語言。最后第四節(jié)，里面提到的腐蝕與膨脹當(dāng)前用的比較多，他屬于一種濾波算法，通過這兩種技術(shù)的處理，能過使粗糙的圖像變得光滑。 開啟運(yùn)算可以做到磨掉突出圖像的外部棱角，閉合運(yùn)算恰好相反，磨掉的是內(nèi)部尖角，此外，開閉運(yùn)算還具有濾波特性。腐蝕運(yùn)算能夠做到將跟蹤目標(biāo)身上小于變量元素的物質(zhì)腐蝕掉，因此，我們選取的結(jié)構(gòu)元素相 當(dāng)重要，它的大小將決定了所去掉物質(zhì)的大小。所有 ,針對膨脹運(yùn)算來說，變量元素 b 的映像與輸入的圖像 f 相與不為 零，也就是說，用 b 來膨脹 f 就是將 b 的映像與 f 中的非零元素相交時(shí) b 在零點(diǎn)位置的集合。 (1)膨脹和腐蝕 膨脹與腐蝕，它們是數(shù)學(xué)形態(tài)學(xué)中最基礎(chǔ)的運(yùn)算。它的原理是用固定形態(tài)的構(gòu)造元素，提取出圖像中相對應(yīng)的形狀，用來識別圖像，以便于對圖像進(jìn)行分析。因此，那些用光流法得到的目標(biāo)大多用塊表示法來實(shí)現(xiàn)。外輪廓線能夠用跟蹤目標(biāo)邊沿點(diǎn)的連線表示。 點(diǎn)表示法，即用若干個(gè)點(diǎn)來代表目標(biāo)，如跟蹤目標(biāo)物體的重心或者目標(biāo)本身。只有節(jié)省存儲空間、而且計(jì)算簡便的方式才是一個(gè)優(yōu)秀的表達(dá)方式。 ④ 找出這些值里最中間的一個(gè) 。其計(jì)算公式為 : ? ?? ? ? ? ? ?? ?tsfyx m e d ia ng yxNtsm e d ia n , , ?? (4) 其中 ? ?yxN , ,為 ? ?yx, 的鄰域， ? ?tsf , 為含有噪聲的原圖。 (1)均值濾波 均值濾波能夠消除圖像的噪聲，是一種線性濾波?，F(xiàn)在有三種灰度化處理方法 : (1)最大值法 :讓 R,G,B 的值等于三個(gè)值當(dāng)中最大的一個(gè)，即 : ? ?BGRBGR ,m a x??? (1) 從公式中能夠得到，利用最大值法處理后的圖像，其灰度值會很高。下面章節(jié)將會對上面所提到的難點(diǎn)進(jìn)行逐一攻破。所以若想要設(shè)計(jì)出一個(gè) 能夠快速、準(zhǔn)確、穩(wěn)定地在復(fù)雜環(huán)境下跟蹤目標(biāo)的方法，仍然是一項(xiàng)非常艱巨的任務(wù)，還需要研究者進(jìn)一步的