【正文】 SourceFe 的 SVN 倉(cāng)庫(kù)中 【 16】 。 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 的 32 位雙核酷睿 i3 390M， 2G 內(nèi)存。 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。 //結(jié)構(gòu)體大小 int Card。 //表示圖像比較活躍的區(qū)域 int Data_Size。 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)。 CvCapture* cvCreateCameraCapture( int index )。返回的圖像不可以被用戶釋放或者修改?？梢允窍旅嬷唬? CV_CAP_PROP_POS_MSEC 從文件開(kāi)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(kāi)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。M39。P39。 7） cvWriteFrame( )： 寫(xiě)入一幀到一個(gè)視頻文件中 int cvWriteFrame( CvVideoWriter* writer, const IplImage* image )。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(lái)都在努力解決的問(wèn)題。均值漂移算法工作的過(guò)程其實(shí)就是一個(gè)迭代過(guò)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。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。目標(biāo)第 i個(gè)像素的坐標(biāo)值用 ix 來(lái)表示 。 (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。 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。每一項(xiàng)技術(shù)都是一個(gè)循序漸進(jìn)的過(guò)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(lái)時(shí)根本就沒(méi)有人感興趣，直到后面才開(kāi)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。 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 )， 2020. [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 )， 2020. [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,2020,67~90 [6] omaniciu D,Ramesh V,Meer P, Kernelbased object Trans on Pattern Analysis and Machine Intelligence,2020,78~89 [7] 朱淼良 .計(jì)算機(jī)視覺(jué) [M].浙江大學(xué)出版社 ,~203 [8] 侯志強(qiáng) ,韓崇昭 .視覺(jué)跟蹤技術(shù)綜述 [J].自動(dòng)化學(xué)報(bào) ,2020. [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 ,2020 [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, 2020,45~47 [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 [12] 梁春迎 , 王國(guó)營(yíng) . 基 于運(yùn)動(dòng) 統(tǒng)計(jì)和 關(guān)鍵 幀的視 頻檢索 方法 [J].通信技術(shù) ,2020,23~25 [13]朱勝利 ,朱善安 ,李旭超 .快速運(yùn)動(dòng)目標(biāo)的 MeanShift 算法 [J].光電工程 ,2020 [14]LI P H,ZHANG T W,MA Kalman Filter for Visual Curve Tracking[J]. Image and Vision Computing,2020 [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(guò)程中讓我知道了學(xué)無(wú)止境的道理。也教會(huì)了我很多 MFC 方面的知識(shí)，讓我受益匪淺。 void on_mouse(int event, int x, int y, int flags,void *NotUsed) { if( !image ) return。 = MIN( , imagewidth )。 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。 (沒(méi)有發(fā)現(xiàn)攝像頭 )。 // 設(shè)置鼠標(biāo)回 調(diào)函數(shù) IplImage *frame = ()。 backproject_0 = cvCreateImage( cvGetSize(frame), 8, 1 )。 //同上 hist_1 = cvCreateHist( 1, amp。 } else if(tool_number==2) { vmax_[1]=vmax。i++) { 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 29 if(i==0) { 。 smin_[1]=smin。hranges, 1 )。 hist = cvCreateHist( 1, amp。 湖南工學(xué)院（本科）畢業(yè)設(shè)計(jì)論文 28 image = cvCreateImage( cvGetSize(frame), 8, 3 )。 } else { CCameraDS camera。amp。 = 。 if( select_object )//如果處于選擇跟蹤物體階段，則對(duì) selection 用當(dāng)前的鼠標(biāo)位置進(jìn)行設(shè)置 { = MIN(x,)。 感謝同班同學(xué)劉澤宇和張晟同學(xué)，他們?cè)谖业漠呍O(shè)過(guò)程中提出了很多寶貴的意見(jiàn)，在我的論文中也作出了很多指導(dǎo)。挫折是人生道路上的財(cái)富，我們要認(rèn)真對(duì)待。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 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。 程序運(yùn)行結(jié)果 圖形界面 如圖 7 所示，程序運(yùn)行出來(lái)的首界面只有兩個(gè) button 按鍵，左邊按鍵的功能是在打開(kāi)攝像頭之前對(duì)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。 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。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(shuō)，就是概率密度函數(shù)的梯度方向。 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。 當(dāng)前，運(yùn)動(dòng)目標(biāo)跟蹤通常由目標(biāo)識(shí)別與目標(biāo)匹配來(lái)實(shí)現(xiàn)。 image： 被寫(xiě)入的幀。G39。139。 filename： 輸出視頻文件名。 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) 。如果只有一個(gè)攝像頭或者用哪個(gè)攝像頭也無(wú)所謂，那使用參數(shù) 1應(yīng)該便可以。 name：窗口的名字。 //以字節(jié)為單位的圖像大小 } 4） CvCapture 結(jié)構(gòu) typedef struct CvCapture CvChance。 //支持的信道 int Depther。 以下是對(duì)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。軟件開(kāi)發(fā)平臺(tái)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(jiǎn)稱 )。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。 OpenCV 除了 C 之外，它 還支持 TPython 、 Ruby 等 語(yǔ)言。 開(kāi)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(kāi)閉運(yùn)算還具有濾波特性。所有 ,針對(duì)膨脹運(yùn)算來(lái)說(shuō)，變量元素 b 的映像與輸入的圖像 f 相與不為 零，也就是說(shuō)，用 b 來(lái)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。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(duì)應(yīng)的形狀，用來(lái)識(shí)別圖像，以便于對(duì)圖像進(jìn)行分析。外輪廓線能夠用跟蹤目標(biāo)邊沿點(diǎn)的連線表示。只有節(jié)省存儲(chǔ)空間、而且計(jì)算簡(jiǎn)便的方式才是一個(gè)優(yōu)秀的表達(dá)方式。其計(jì)算公式為 : ? ?? ? ? ? ? ?? ?tsfyx m ed iang yxNtsm e d ia n , , ?? (4) 其中 ? ?yxN , ,為 ? ?yx, 的鄰域， ? ?tsf , 為含有噪聲的原圖?，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(huì)很高。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)一步的研究。 (2)目標(biāo)外觀的變化 運(yùn)動(dòng)目標(biāo)跟蹤一般是在不受控制的條件下進(jìn)行的，各種因素都可能導(dǎo)致跟蹤目標(biāo)外觀的變化，如光、角、規(guī)模和目標(biāo)對(duì)象，以及形變等因素，所以如果我們想要對(duì)目標(biāo)進(jìn)行長(zhǎng)期有效地跟蹤，我們需要合理地處理這些變化。 MeanShift 算法 主要是 通過(guò)有限次迭代 ，從而做到 準(zhǔn)確定位目標(biāo)， 很大程度上 避免了全局 采集，大大減少了時(shí)間，如果目標(biāo)區(qū)域已知，該算法完全可以做到實(shí)時(shí)的跟蹤，近幾年來(lái)被非常廣泛的應(yīng)用在目標(biāo)跟蹤領(lǐng)域。光流法在 20 世紀(jì) 80 年代初期被提出之后，動(dòng)態(tài)圖像序列分析正式進(jìn)入一個(gè)研究的高潮。本論文主要是對(duì) MeanShift 目標(biāo)跟蹤算法進(jìn) 行研究。 also studied image processing technology in intelligent video surveillance system consists mainly of mathematical morphology theory, image preprocessing and obj