【正文】 ateBhattacharyya說(shuō)明：計(jì)算Bhattachryya*/Float MeanShiftSegger::CalculateBhattacharyya( float initHistogram [HISTOGRAM_LENGTH],float tempHistogram[HISTOGRAM_LENGTH]){ float dis = 0。MeanShiftTrackProcess（frameBuffer，index）Mean Shift進(jìn)行運(yùn)動(dòng)目標(biāo)跟蹤的實(shí)驗(yàn)結(jié)果如下: 圖（41）Mean Shift算法目標(biāo)跟蹤 圖（42）Mean Shift算法目標(biāo)跟蹤圖（43）Mean Shift算法目標(biāo)跟蹤 圖（44）Mean Shift算法目標(biāo)跟蹤在算法中，相似度函數(shù)衡量了目標(biāo)模式的匹配程序，Mean Shift算法迭代過(guò)程的目的是實(shí)現(xiàn)快速算法。其關(guān)鍵是找出閾值。 （413）經(jīng)過(guò)二值化處理就能分割出圖像中的目標(biāo)像元，再根據(jù)分割出的全體目標(biāo)像元位置數(shù)據(jù)和目標(biāo)像元的總點(diǎn)數(shù)，計(jì)算出目標(biāo)的形心。 = 0。 for(j=EDGE_SPACE。 M10bh+=j。在科技、生活等諸多領(lǐng)域有非常好的應(yīng)用前景，本文對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤原理進(jìn)行研究，把運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤分為兩個(gè)部分即目標(biāo)的實(shí)時(shí)檢測(cè)和目標(biāo)的實(shí)時(shí)跟蹤來(lái)分析，目標(biāo)檢測(cè)部分分為靜止背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)和動(dòng)態(tài)背景下的目標(biāo)檢測(cè)，靜態(tài)目標(biāo)檢測(cè)方法采用了幀間差分法和背景相減法的結(jié)合的方法。致 謝論文完成之際，我要感謝我的畢業(yè)設(shè)計(jì)指導(dǎo)老師李旭超老師。實(shí)驗(yàn)結(jié)果如下：圖（45）形心法跟蹤效果圖 圖（46）形心法跟蹤效果圖圖（47）形心法跟蹤效果圖 圖（48）形心法跟蹤效果圖這種基于形心法的跟蹤方法計(jì)算簡(jiǎn)單、穩(wěn)定性好，稍加改進(jìn)，對(duì)多目標(biāo)的檢測(cè)跟蹤也有不錯(cuò)的效果。 if(sGray[k]sThreshold) { iLine++。 int M10bh = 0。/*GravityTrack函數(shù)說(shuō)明：形心法目標(biāo)跟蹤程序*/GravityTrack (unsigned char* sGray, int sWidth, int sHeight, int sThreshold){ WININFO win。這時(shí)，可把閾值取為一個(gè)隨圖像中位置緩慢變化的函數(shù)，自適應(yīng)閾值的的二值化處理可以很好地處理這個(gè)問(wèn)題。對(duì)于場(chǎng)景，選用合適的閾值，然后對(duì)圖像進(jìn)行二值化處理。則以下的形式調(diào)用初始化Mean Shift過(guò)程：InitMeanShiftTracker（frameBuffer，width，width，targetX,targetY，targetWidth，targetHeight）在后續(xù)幀中，調(diào)用MeanShiftTrackProcess函數(shù)進(jìn)行MeanShift的目標(biāo)跟蹤過(guò)程。 frame[j * imgWidth * 3 + min(imgWidth 1,currentX + trackWinWidth) * 3 + 1] = 0。 frame[min(imgHeight 1,currentY + trackWinHeight) * imgWidth * 3 + i * 3 + 1] = 0。 //獲得新位置 //更新直方圖 iteratorCoumt++。U39。 int ptr = (int)(256 * (int)r + 16 * (int)g + (int)b)。 } float sumOfWeights = 。 } return pxValue。 pixel g = frame[j * imgWidth * 3 + i * 3 + 1] / 16。 i++) histogram[i] = 0。 thisimgHeight = frameHeight。 i HISTOGRAM_LENGTH。 //Mean Shift 迭代過(guò)程 void MeanShiftProcessSp(unsigned char * frame)。 //窗口寬度 int trackWinHeight。7) 當(dāng)停止，否則，執(zhí)行第1步。為了使得達(dá)到最大，在當(dāng)前幀圖像中，以前一幀中的目標(biāo)中心位置作起始位置，從起始位置開(kāi)始求最優(yōu)的匹配位置，這里中心為。因?yàn)檎趽趸蛘弑尘暗挠绊?，目?biāo)模型中心周?chē)南袼叵啾扔谄渌糠窒袼馗鼮榭煽浚钥蓪?duì)目標(biāo)不同位置的像素賦不同權(quán)值，即遠(yuǎn)離中心的位置像素可以賦一個(gè)小值，而鄰近中心的位置像素可以賦一個(gè)大值。假設(shè)一組一維的數(shù)據(jù)點(diǎn)的集合，未知的概率密度函數(shù)設(shè)為，核函數(shù)設(shè)為，計(jì)算在x點(diǎn)處的密度公式如下： （41）式中：——是核函數(shù)的帶寬；——核函數(shù)的中心點(diǎn)這里可以得出結(jié)論：核密度估計(jì)就是將以每個(gè)采樣點(diǎn)為中心單位局部函數(shù)的平均作為該采樣點(diǎn)概率密度函數(shù)的估計(jì)值。大于閾值的像素將被認(rèn)為是目標(biāo)區(qū)域，用白色表示并通過(guò)frame1輸出。 frame2[j*frameWidth+i]=abs(frame4[j*frameWidth+ i] frame2[j * frameWidth + i])。 readyCount ++。}/* ~ChafenMul函數(shù)說(shuō)明：析構(gòu)函數(shù)，釋放內(nèi)存空間*/ChafenMul::~ChafenMul(){ if(frame1 != NULL) delete[] frame1。 frame2 = new unsigned char[width * height]。 //第4幀數(shù)據(jù) int frameWidth。5) 利用形心法計(jì)算出目標(biāo)的形心位置坐標(biāo)，作為下一幀跟蹤的初始位置。為了克服干擾，可以采用多幀圖像差分相乘，銳化二維差分圖像中運(yùn)動(dòng)邊緣的相關(guān)峰，增強(qiáng)圖像邊緣，減少甚至消除光照不均、噪聲和自然場(chǎng)景中變化帶來(lái)的干擾，能夠準(zhǔn)確地檢測(cè)出目標(biāo)的邊緣信息。下面闡述一個(gè)基于圖像配準(zhǔn)和差分相乘的目標(biāo)檢測(cè)的方法。 else m_pBackground[t] = BYTE(pixel)。 for(j=0。 } else { m_pDiffImage[j*nWidth+i]=0。 DeNoise(m_pDiffImage,WIDTH,HEIGHT)。 memset(m_pTemplate,0,IMAGESIZE*sizeof(UINT))。 delete []m_pDetectImage。 memset(m_pBackHistgram,0,IMAGESIZE*256*sizeof(short int))。 memset(m_pBackground,0,IMAGESIZE)。 WIDTH = nwidth。 void Erosion(BYTE *sGray,int nWidth, int nHeight,int structure[3][3])。 BYTE *image3。 short int *m_pBackHistgram。 靜態(tài)背景目標(biāo)檢測(cè)你算法的實(shí)現(xiàn) 類(lèi)的定義靜態(tài)背景檢測(cè)程序類(lèi)為CStaticDetectinclude define BACK_ALL_NUM 100 //計(jì)算背景所需幀數(shù)define BACK_SEQ_NUM 3 //背景計(jì)算循環(huán)數(shù)目define THRESHOLD 20 //設(shè)置差分閾值class CStatsticDetect{public: CStatsticDetect(int nwidth, int nheight)。QP 圖（31）運(yùn)動(dòng)變化區(qū)域這里設(shè)和分別為圖像序列中連續(xù)的兩幀圖像，將這兩個(gè)量按下面的規(guī)則進(jìn)行幀間差分處理。而回歸遞推建模方法是通過(guò)回歸方式依據(jù)輸入的每幀圖像來(lái)更新背景，不需要始終維持保存背景估計(jì)幀的緩沖區(qū)，常用的有線性卡爾曼濾波法、混合高斯模型等。然后對(duì)差分圖像進(jìn)行二值化，如果對(duì)應(yīng)像素值的變化小于規(guī)定的閾值，認(rèn)為是背景像素:如果對(duì)應(yīng)像素值變化較大，則認(rèn)為這些像素區(qū)域是前景像素，這樣就確定了目標(biāo)在圖像中所處位置。靜止背景產(chǎn)生背景靜止的動(dòng)態(tài)圖像序列，可采用幀間差分或自適應(yīng)背景相減對(duì)消的方法來(lái)消除背景的干擾，計(jì)算方法比較簡(jiǎn)單；變化背景是指目標(biāo)運(yùn)動(dòng)同時(shí)，拍攝的攝像機(jī)也作相對(duì)運(yùn)動(dòng)，產(chǎn)生背景變化的運(yùn)動(dòng)圖像序列，這時(shí)情況比較復(fù)雜，目標(biāo)的變化和背景的變化混合在一起。直方圖方法的基本思路是僅保留運(yùn)動(dòng)的方向信息，并將運(yùn)動(dòng)方向（0到360度）分為若干個(gè)間隔，把運(yùn)動(dòng)矢量場(chǎng)上每點(diǎn)的數(shù)據(jù)劃到與它運(yùn)動(dòng)方向最接近的間隔里，最后得到的統(tǒng)計(jì)結(jié)果為運(yùn)動(dòng)矢量方向直方圖。在運(yùn)動(dòng)圖像分析中，前景和背景的運(yùn)動(dòng)或靜止有四種情況：兩者都運(yùn)動(dòng)、兩者都靜止以及其中一個(gè)運(yùn)動(dòng)而另一個(gè)靜止。 運(yùn)動(dòng)圖像的分析檢測(cè)場(chǎng)景中是否存在運(yùn)動(dòng)目標(biāo)。本設(shè)計(jì)把運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤分為兩個(gè)部分即目標(biāo)的實(shí)時(shí)檢測(cè)和目標(biāo)的實(shí)時(shí)跟蹤來(lái)分析，目標(biāo)檢測(cè)部分分為靜止背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)和動(dòng)態(tài)背景下的目標(biāo)檢測(cè)，靜態(tài)目標(biāo)檢測(cè)方法有：幀間差分法、背景相減法、塊匹配法和光流法等，本文主要簡(jiǎn)述了背景差分法和幀間差分法，并把兩種方法結(jié)合起來(lái)改進(jìn)實(shí)現(xiàn)了對(duì)目標(biāo)的檢測(cè)。運(yùn)用數(shù)字圖像處理的方法進(jìn)行目標(biāo)檢測(cè)跟蹤的困難主要在一下幾個(gè)方面:l 環(huán)境復(fù)雜實(shí)際的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤系統(tǒng)所處的環(huán)境不同，背景復(fù)雜，檢測(cè)跟蹤的穩(wěn)定性和準(zhǔn)確性就會(huì)受到諸多因素的影響。第一，圖像的預(yù)處理技術(shù)，主要目的是消除或消減背景自身運(yùn)動(dòng)、光照變化、噪聲等條件對(duì)目標(biāo)檢測(cè)與跟蹤的影響。隨著激光技術(shù)、紅外技術(shù)和電視技術(shù)進(jìn)一步成熟，以及成像技術(shù)、數(shù)字圖象處理技術(shù)、跟蹤算法和濾波技術(shù)的研究，各種研究成果相繼問(wèn)世。l 軍事國(guó)防目標(biāo)檢測(cè)跟蹤技術(shù)在軍事國(guó)防領(lǐng)域的應(yīng)用相當(dāng)廣泛。運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤在科技、生活等諸多領(lǐng)域有非常重要的研究?jī)r(jià)值，在視頻監(jiān)控、人工智能、醫(yī)學(xué)研究、軍事國(guó)防等諸多領(lǐng)域有廣泛的應(yīng)用。動(dòng)態(tài)圖像序列由一組連續(xù)的圖像組成，它們具有一定的次序，并存在時(shí)間間隔關(guān)系。運(yùn)動(dòng)目標(biāo)位置的改變?cè)趫D像上的反映就是相鄰幀灰度的空間分布改變，當(dāng)然也存在這樣的情況，場(chǎng)景中沒(méi)有目標(biāo)運(yùn)動(dòng)，但由于光照等條件的改變，也引起了相鄰幀灰度值的改變。動(dòng)態(tài)圖像的基本特征就是灰度發(fā)生了改變。運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是數(shù)字圖像處理重要部分，也成為圖像處理技術(shù)理論和應(yīng)用的研究熱點(diǎn)，其中動(dòng)態(tài)圖像序列的研究逐漸成為熱點(diǎn)。運(yùn)動(dòng)目標(biāo)檢測(cè)是指對(duì)動(dòng)態(tài)圖像序列運(yùn)用進(jìn)行數(shù)字圖像處理，除去背景，篩選出運(yùn)動(dòng)目標(biāo)和運(yùn)動(dòng)信息，并對(duì)其進(jìn)行分析，從而得到運(yùn)動(dòng)參數(shù)。l 醫(yī)療研究在醫(yī)學(xué)中，圖像診斷非常重要，其主要有兩個(gè)方面的應(yīng)用：一個(gè)是對(duì)圖像進(jìn)行一系列如增強(qiáng)、去噪等處理來(lái)幫助醫(yī)生更好地診斷疾??；第二個(gè)是利用對(duì)圖像進(jìn)行自動(dòng)分析處理，檢測(cè)識(shí)別出可疑區(qū)域，得出診斷結(jié)論。2005年，一套名為COCOA的系統(tǒng)在美國(guó)中央佛羅里達(dá)大學(xué)研制完成，專(zhuān)門(mén)用于對(duì)無(wú)人機(jī)低空飛行航拍獲得的圖像序列進(jìn)行目標(biāo)檢測(cè)跟蹤。目前運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)的研究主要設(shè)計(jì)以下幾個(gè)關(guān)鍵的技術(shù)。 目標(biāo)檢測(cè)跟蹤存在的問(wèn)題目前，目標(biāo)檢測(cè)跟蹤技術(shù)存在的問(wèn)題主要是由于實(shí)際背景環(huán)境的復(fù)雜性、目標(biāo)運(yùn)動(dòng)的復(fù)雜性和視頻圖像復(fù)雜性造成的。 主要研究?jī)?nèi)容與論文結(jié)構(gòu)本設(shè)計(jì)主要是對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤原理進(jìn)行分析，并通過(guò)在VC++編程實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)與跟蹤。2 運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤基礎(chǔ)運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤與工程應(yīng)用結(jié)合緊密，涉及很多運(yùn)動(dòng)圖像處理的知識(shí)，首先介紹一下運(yùn)動(dòng)圖像涉及的一些基本內(nèi)容和原理。前景運(yùn)動(dòng)也叫作局部運(yùn)動(dòng)，是指目標(biāo)在場(chǎng)景中自身的運(yùn)動(dòng)；背景運(yùn)動(dòng)也叫作全局運(yùn)動(dòng)（或攝像機(jī)運(yùn)動(dòng)），是指由攝像機(jī)的運(yùn)動(dòng)所造成的拍攝背景的移動(dòng)。圖21 矢量場(chǎng)表達(dá)為了表示目標(biāo)運(yùn)動(dòng)具有的復(fù)雜性和多變性，進(jìn)行連續(xù)短時(shí)間運(yùn)動(dòng)分析，采用運(yùn)動(dòng)矢量方向直方圖的表達(dá)方式。包含運(yùn)動(dòng)目標(biāo)的圖像序列可以分為兩種情況即靜止背景和變化背景。首先將相鄰幀圖像對(duì)應(yīng)的像素值進(jìn)行差分運(yùn)算得到差分圖像，減掉灰度不會(huì)變化的背景部分。非回歸遞推建模方法是利用一段時(shí)間內(nèi)存儲(chǔ)的觀測(cè)數(shù)據(jù)進(jìn)行建模，常用的有幀間差分、中值濾波等。檢測(cè)出的這個(gè)區(qū)域?qū)嶋H上包含了運(yùn)動(dòng)物體在前一幀所處區(qū)域P和其在當(dāng)前幀所處的區(qū)域Q，它們的關(guān)系如下圖。這樣，一些小的空洞和毛刺就被去除。 int WIDTH, HEIGHT,IMAGESIZE。 BYTE *image2。 void Dilation(BYTE *sGray,int nWidth, int nHeight,int structure[3][3])。 count = 0。 m_pBackground = new BYTE[IMAGESIZE]。 m_pBackHistgram = new short int[IMAGESIZE*256]。 delete []m_pBackground。if(m_nFrameBACK_ALL_NUM){ if(m_nFrame==(BACK_ALL_NUM+1)) { GetBgImage()。 }DiffImage(m_pGrayImage,m_pBackground,WIDTH,HEIGHT,THRESHOLD)。 if(diffnThreshold||diffnThreshold) { m_pDiffImage[j*nWidth+i]=255。}/*GetBgImage函數(shù)說(shuō)明：用于獲取背景圖像*/void CStatsticDetect::GetBgImage(){