【正文】 擇 Source files，在下方填入 需要的庫(kù)文件 路徑，如下圖 3 所示： 圖 3 Source files 設(shè)置 添加完上述三處庫(kù)文件后再點(diǎn)擊“ OK”，即成功的完成了 OpenCV 的配置。該結(jié)構(gòu)體定義如下： typedef struct IplImage { int n_Size。 //圖像的高，用像素值表示其大小 struct_IplROI *Red。 countenance：表示加載進(jìn)去后的視頻圖像的顏色和深度， 指定讀入圖像的顏色和深度 。當(dāng)分配的結(jié)構(gòu)不再使用的時(shí)候，它應(yīng)該使用 cvReleaseCapture函數(shù)釋放掉 。 函數(shù) cvQueryFrame從攝像頭或者文件中抓取一幀，然后解壓并返回這一幀。 property_id： 屬性標(biāo)識(shí)。,39。,39。 is_color： 如果非零，編碼器將希望得到彩色幀并進(jìn)行編碼；否則，是灰度幀（只有在 Windows下支持這個(gè) 標(biāo)志）。運(yùn)動(dòng)目標(biāo)的跟蹤并不局限于視頻監(jiān)控領(lǐng)域，它在醫(yī)療、軍事和工業(yè)方面也同樣不可或缺。從中文翻譯的名字就可以看出它的含義，即為漂移的向量。所以，如果所需樣本點(diǎn) ix 是在概率密度函數(shù) ??xf 中得來的，由于非零的概率密度梯度 都是指向概率密度遞增最大的方向，所以根據(jù)平均原理，高維球區(qū)域 hS 內(nèi)的樣本點(diǎn) ix 會(huì)大部分落在沿著概率密度梯度的方向。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 17 圖 6 MeanShift 算法流程圖 下面對(duì) MeanShift 算法做詳細(xì)介紹： (1)初始化 在圖像處理中，我們都是根據(jù)描述其灰度值和色彩分布來描述一個(gè)物體，假設(shè) 0x 正處于物體中心位置，那么，對(duì)該物體的描述可以為在目標(biāo)區(qū)域中所有特征值的概率值(其中 mu ,2,1 ?? )，用公式表示即為： ? ?? ?uxbh xxkCq sinisiM ????????? ?? ??? ?120 （ 11） 在公式 (11)中， 0x 代表的是有 n 個(gè)像素的搜索窗口的中心目標(biāo)，其中 mu ,...,2,1? ，ni ,...,2,1? ,m 形容圖片灰度級(jí)數(shù)，原始圖片中所包含的像素多少用 n 來表示。 (2)搜索目標(biāo) 在我們用均值漂移算 法對(duì)其進(jìn)行最優(yōu)化處理時(shí)，在每一步的迭代過程中，跟蹤目標(biāo)區(qū)域的中心位置都會(huì)由 0y 向新的位置 iy 偏移，如下公式： xhxyxwhxykwxy niiiniiiii ????????? ????????? ??????112 (3)更新目標(biāo) 與上面第一步相同，要想更新候選目標(biāo)，首先得計(jì)算新的候選目標(biāo)的 Bhattacharrya系數(shù)，公式如下： ? ? ? ? ? ??? ?? ni yy hphqpq i1,? 如果 ? ? ? ?qyqy ii , 1?? ?? ，則 ? ?iii yyy ?? ?121 (4)迭代條件 如果 ??? ?1ii yy ，則中止迭代，如果不符合條件，則重新執(zhí)行第二步。 圖 10 選定跟蹤目標(biāo) 當(dāng)松開鼠標(biāo)左鍵后，就會(huì)出現(xiàn)如圖 11 中所示現(xiàn)象，頭部被一個(gè)紅色的圓圈所框 住，此時(shí)，頭部即為跟蹤的目標(biāo) ,圓圈將隨著目標(biāo)的移動(dòng)而移動(dòng)，只要在攝像頭視野范圍內(nèi)，始終都會(huì)框住目標(biāo)，實(shí)現(xiàn)目標(biāo)的實(shí)時(shí)跟蹤。正是如此，才會(huì)讓目標(biāo)跟蹤在當(dāng)今社會(huì)備受關(guān)注。并且用實(shí)驗(yàn)結(jié)果證明了該算法在跟蹤背景環(huán)境復(fù)雜、背景信息大幅度改變和跟蹤目標(biāo)與背景顏色相似這幾種不同情況跟蹤過程的實(shí)時(shí)性和魯棒性，強(qiáng)有力的表明了本文中算法的有效性。 此外，我還要感謝實(shí)習(xí)期間我的同事朱卿，在編寫代碼的過程中，他更是為我指導(dǎo)了很多。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 26 附 錄 //下面代碼為選擇跟蹤目標(biāo)及處理過程的核心代碼。 = MAX( , 0 )。//表明開始進(jìn)行選取 break。 if(ncams==0) { CString str。 cvSetMouseCallback( solution, on_mouse )。 backproject = cvCreateImage( cvGetSize(frame), 8, 1 )。hranges, 1 )。 smin_[0]=smin。i2。 } //獲取一幀 IplImage *frame = ()。 // 同上 histimg = cvCreateImage( cvSize(320,200), 8, 3 )。hdims, CV_HIST_ARRAY, amp。 imageorigin = frameorigin。 if(! (0)) { CString str。 0 ) if(tool_number==0) track_object[0] = 1。 = 。 = MIN(y,)。在 此，由衷的感謝你們。這次畢業(yè)設(shè)計(jì)必將為我的大學(xué)生涯畫上一個(gè)完美的句號(hào)。 現(xiàn)在，運(yùn)動(dòng)目標(biāo)的跟蹤技術(shù)在任何方面都可以看到它的實(shí)際應(yīng)用，如街道上面的交通監(jiān)控、小區(qū)的閉路電視、醫(yī)院的醫(yī)療器械和軍事上面的遠(yuǎn)程監(jiān)控等等。均值漂移算法在剛被重視時(shí)有著很多 的缺點(diǎn)，跟蹤的實(shí)時(shí)性和魯棒性都很差，導(dǎo)致跟蹤效果不明顯，嚴(yán)重時(shí)還可導(dǎo)致無法跟蹤。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 20 圖 7 圖形界面 1 如圖 8 所示，點(diǎn)擊“打開攝像頭”按鍵后，就會(huì)出現(xiàn)如下窗口，在窗口中我們 可以自定義視頻窗口的大小，默 認(rèn)為 640 x 480，右邊窗口中的壓縮功能暫時(shí)還沒有添加，因此無法使用，但對(duì)程序所要實(shí)現(xiàn)的功能并無影響。 ? ? ??????? ni sixkC 1 21，其中 six 代表以原點(diǎn)為中心的像素坐標(biāo)。 MeanShift 算法工作原理分析 目前，很多領(lǐng)域都涉及到均值漂移算法，不僅僅是在運(yùn)動(dòng)目標(biāo)跟蹤方面，圖像的處理也可以用到。在 99 年到 03 年這五年時(shí)間里，均值漂移算法再次被研究者們添加了特征分析，特征分析能夠把粗糙的圖像變得平滑，同時(shí)也能夠?qū)D像進(jìn)行分割，并且再次擴(kuò)大了 MeanShift 算法的適用范圍，能夠大大減少圖像處理中出現(xiàn)的問題，使得目標(biāo)跟蹤更加順利。目標(biāo)識(shí)別，即通過在視頻中獲取每一幀的圖像，接著對(duì)每幀圖像中的物體進(jìn)行識(shí)別，并獲取其在圖像中的相對(duì)位置，再進(jìn)行處理，從而達(dá)到目標(biāo)跟蹤的效果。 本章小結(jié) 本章主要研究的是關(guān)于該課題編程環(huán)境的搭建，要想做到目標(biāo)跟蹤，則離不開OpenCV 這一函數(shù)類。)是 motionjpeg codec等 。)是MPEG1 codec， CV_FOURCC(39。 fourcc： 四個(gè)字符用來表示壓縮幀的 codec 例如， CV_FOURCC(39。 property_id： 屬性 標(biāo)識(shí)。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 13 函數(shù) cvCreateCameraCapture給從攝像頭的視頻流分配和初始化 CvCapture結(jié)構(gòu)。 image：被顯示的圖像。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 12 該結(jié)構(gòu)體在 OpenCV 應(yīng)用中相當(dāng)重要，視頻中每幀圖像的抓取都由它來完成，應(yīng)當(dāng)熟練掌握其用法。 //像素深度值 int Data_up。 //代表坐標(biāo)系中的橫坐標(biāo)，原點(diǎn)坐標(biāo)為 0 int b。 其中 OpenCV 在 中的配置過程如下： 假設(shè)我們將 OpenCV 安裝到 C:\Program Files\OpenCV 文件夾下，在安裝 OpenCV過 程 中 需要 選擇 將 \OpenCV\bin 加入系統(tǒng)變量 。接著是注冊(cè) DirectShow filter，進(jìn)行一些安裝后的必要處理，注冊(cè)成功后即可開始使用 OpenCV。調(diào)用 OpenCV 函數(shù)庫(kù) 的主要目標(biāo)是加快圖像處理的執(zhí)行速度。 本章小結(jié) 本章所研究的主要是與本課題密切相關(guān)的一些基礎(chǔ)理論知識(shí)，前面兩節(jié)講的是對(duì)圖像進(jìn)行灰度值處理以及噪聲處理，這兩種處理方法能夠使圖像變的清晰、可視效果好。相反地，針對(duì)腐蝕運(yùn)算 來說，只有當(dāng)變量元素 b 全部處于輸入的圖像 f 內(nèi)時(shí)，才能對(duì)輸入圖像 f 進(jìn)行腐蝕。數(shù)學(xué)形態(tài)學(xué)主要實(shí)現(xiàn)原理是集合論。 塊表示法，用若干個(gè)團(tuán)塊來代替跟蹤目標(biāo)。在圖像中的區(qū)域可以是內(nèi)部的，也可以是外部的。 中值濾波一般實(shí)現(xiàn)過程如下 : ① 將模板放在圖中漫游，而且把像素點(diǎn)的位置與模板中心重合 。 (2)平均值法 :使 R,G,B 的值等于三者和的平均值，即 : ? ?3 BGRBGR ????? (2) (3)加權(quán)平均法 :根據(jù)不同的重要性給 R,G,B 三個(gè)分量賦予不同的權(quán)值， 然后再對(duì) 它們加權(quán)平均 ? ?3 BGRBGR ??? ????? (3) 并且 ??? , 分別作為 R,G,B 的權(quán)值。 本章小結(jié) 在本章節(jié)中，主要講到的是該課題的一些基礎(chǔ)知識(shí)；第一節(jié)、第二節(jié)講的是課題研究背景，以及國(guó)內(nèi)外研究現(xiàn)狀。 (3)計(jì)算的實(shí)時(shí)性 要想研制出來的目標(biāo)跟蹤系統(tǒng)實(shí)用性強(qiáng)，則必須 做到對(duì)運(yùn)動(dòng)目標(biāo)的即時(shí)跟蹤，這對(duì)算法的計(jì)算速度提出了強(qiáng)制性要求。目前有許多科研人員和學(xué)者已經(jīng)在MeanShift 算法 基礎(chǔ)上做了大量的的改善工作。在 96 年至 99 年期間，美國(guó)國(guó)防高級(jí)研究計(jì)劃局 (DARPA)出錢 資助 的 卡內(nèi) 吉 梅隆大學(xué)、 戴衛(wèi)夫研究中心和一些著名的研究機(jī)構(gòu)，他們聯(lián)合開發(fā)出來了視頻監(jiān)控系統(tǒng) (VSAM)，其目標(biāo)主要是為未來的城市和戰(zhàn)場(chǎng)監(jiān)控應(yīng)用研發(fā)出一種全新的視頻監(jiān)控理解技術(shù)，能夠代替人在危險(xiǎn)的環(huán)境中進(jìn)行監(jiān)控，目前該系統(tǒng)仍然處于試用期。 通過研究者們的實(shí)踐發(fā)現(xiàn)， MeanShift 算法 在運(yùn)動(dòng)目標(biāo)跟蹤領(lǐng)域中有著相當(dāng)高的目標(biāo)匹配度 ， 多次應(yīng)用在了對(duì)實(shí)時(shí)性要求高的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)中。 video image processing。盡管人們?cè)?20世紀(jì)就已經(jīng)提出了很多有效的運(yùn)動(dòng)目標(biāo)跟蹤算法，但事實(shí)上，運(yùn)動(dòng)目標(biāo)的跟蹤技術(shù)在實(shí)現(xiàn)的過程中仍然是困難重重，例如背景的不穩(wěn)定、目標(biāo)跟蹤過程中被遮擋、目標(biāo)跟背景顏色相似等因素，都會(huì)很大程度上破壞跟蹤效果，因此，要想設(shè)計(jì)出跟蹤效果好的均值漂移算法仍然具有很大挑戰(zhàn)性。對(duì)于均值漂移 算法易出現(xiàn)的缺點(diǎn)，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。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。 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。 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)。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。 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?；叶然幚砭褪菍⒉噬?R, G, B 進(jìn)行分量處理。 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。 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。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?；趫D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。膨脹與腐蝕的符號(hào)分別為 ? 和 ? 。 (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。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。 下載和安裝 OpenCV OpenCV 主頁在 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