【導讀】研究者開始關(guān)注智能化視頻監(jiān)控系統(tǒng)中的移動目標跟蹤算法的研究。的均值漂移算法仍然具有很大挑戰(zhàn)性。在本篇論文中，簡要的介紹了一下運動目標跟蹤技術(shù)的發(fā)展史（從第一次被提出，一直到該項技術(shù)應用到各個領域），運動目標跟蹤技術(shù)經(jīng)歷了一個漫長的過程。目標模型描述等。移）跟蹤算法，該算法是一項先進的運動目標跟蹤技術(shù)。還詳細分析了基于均值漂移。對于均值漂移算法易出現(xiàn)的缺點，對其一一攻破，并且進行了多次仿真實驗，結(jié)

　　

【正文】 9 打開視頻窗口 當出現(xiàn)圖 9 中效果后，我們需要選擇跟蹤目標，即將鼠標放在視頻窗口中，按下左鍵不放，框住運動目標。如圖 10 所示，點擊鼠標左鍵，拖動以框住人體頭部。 圖 10 選定跟蹤目標 當松開鼠標左鍵后，就會出現(xiàn)如圖 11 中所示現(xiàn)象，頭部被一個紅色的圓圈所框 住，此時，頭部即為跟蹤的目標 ,圓圈將隨著目標的移動而移動，只要在攝像頭視野范圍內(nèi)，始終都會框住目標，實現(xiàn)目標的實時跟蹤。 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)境中進行跟蹤，實際應用中往往存在很多的干擾，例如跟蹤背景復雜、相似目標較多等原因。因此，本次研究還實現(xiàn)了在多個目標干擾中實現(xiàn)了跟蹤，效果良好，如圖 12 所示。 湖南工學院（本科）畢業(yè)設計論文 22 圖 11 單個目標跟蹤效果 圖 12 多目標干擾跟蹤效果 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。均值漂移算法在剛被重視時有著很多 的缺點，跟蹤的實時性和魯棒性都很差，導致跟蹤效果不明顯，嚴重時還可導致無法跟蹤。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。在多個目標干擾的情況下也能做到實時跟蹤。 湖南工學院（本科）畢業(yè)設計論文 23 結(jié)束語 科學技術(shù)的進步會帶動工業(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)，社會的進步離不開這兩個互補的過程。正是如此，才會讓目標跟蹤在當今社會備受關(guān)注。每一項技術(shù)都是一個循序漸進的過程，如基于 MeanShift 算法的運動目標跟蹤技術(shù) ，在剛被提出來時根本就沒有人感興趣，直到后面才開始慢慢受到廣大學者和研究者們的關(guān)注，以此帶動了它的快速發(fā)展。從解決它的背景干擾問題，再到跟蹤實時性問題，再到目標遮擋問題，運動目標跟蹤技術(shù)越來越成熟。它的應用領域也從工業(yè)擴展到軍事，最后走進家庭。 現(xiàn)在，運動目標的跟蹤技術(shù)在任何方面都可以看到它的實際應用，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程監(jiān)控等等。運動目標跟蹤算法的好壞會直接影響到在目標跟蹤過程中的效果，增強跟蹤算法的實時性和魯棒性一直都是廣大研究者和學者的研究目標。 運動目 標檢測是目標跟蹤的基礎部分，雖然本文中只有簡單的介紹，但它與目標跟蹤的實時性與魯棒性的好壞是密不可分的。其次，本文用到的 MeanShift（均值漂移）算法，不會因為缺少像素點而導致在空間位置信息上的不足。并且用實驗結(jié)果證明了該算法在跟蹤背景環(huán)境復雜、背景信息大幅度改變和跟蹤目標與背景顏色相似這幾種不同情況跟蹤過程的實時性和魯棒性，強有力的表明了本文中算法的有效性。 湖南工學院（本科）畢業(yè)設計論文 24 參考文獻 [1] 柳偉 ,羅以寧 ,孫南 .基于背景優(yōu)化的 MeanShift 目標跟蹤算法 [M].計算機應用 ，~100 [2] 高國旺 ,劉上乾 .強背景噪聲下紅外目標的魯棒性跟蹤算法 [M].西安： 西安電子科技大學學報 (自然科學版 )， 20xx. [3] 李紅波 ,曾德龍 .基于 MeanShift 和粒子濾波的兩步多目標跟蹤方法 [M]. 重慶： 重慶郵電大學學報 ( 自然科學版 )， 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 .計算機視覺 [M].浙江大學出版社 ,~203 [8] 侯志強 ,韓崇昭 .視覺跟蹤技術(shù)綜述 [J].自動化學報 ,20xx. [9] 秦歡歡 .視頻序列中運動目標檢測與跟蹤技術(shù)研究 [D].太原理工大學碩士學位論文 ,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]寧紀鋒 ,姜光 ,李鵬飛 .一種基于角點的 MeanShift 目標跟蹤算法 [J].計算機應用研究 , ~139 [12] 梁春迎 , 王國 營 . 基于 運動 統(tǒng)計 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 .快速運動目標的 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 湖南工學院（本科）畢業(yè)設計論文 25 致 謝 在這次畢業(yè)設計過程中讓我知道了學無止境的道理。我們每一個人永遠不能滿足于現(xiàn)有的成就，人生就像在爬山，一座山峰的后面還有更高的山峰在等著你。挫折是人生道路上的財富，我們要認真對待。這次畢業(yè)設計必將為我的大學生涯畫上一個完美的句號。 論文的完成也就意味著大學生涯即將成為過去，首先，在這里我要感謝我的導師夏鑫老師，畢業(yè)設計之所以能完成的如此順利，這與夏老師的耐心指導密切相關(guān)。在我廈門實習期間，夏老師更是深夜一點還在為我批閱開題報告， 在他一次又一次的指導下，讓我在工作之余順利完成了當時的任務，真正做到了學習工作兩不誤。在這里，我要向他表示感謝和深深的敬意。 此外，我還要感謝實習期間我的同事朱卿，在編寫代碼的過程中，他更是為我指導了很多。也教會了我很多 MFC 方面的知識，讓我受益匪淺。 感謝我的室友李騰、方移勝和周勝勇，跟他們相處的日子讓我今生都難忘，他們在這四年來對我的關(guān)心和幫助更是讓我很受感動，希望他們在未來能夠一帆風順、一鳴驚人。 感謝同班同學劉澤宇和張晟同學，他們在我的畢設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。在 此，由衷的感謝你們。 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大的后盾，讓我無所畏懼；你們的關(guān)心是我在受傷時最好的良藥，讓我總能重拾信心。謝謝你們，親愛的家人。 謹以此文獻給所有幫助過我的人們，正是因為你們的幫助，才能有我的今天，在這里對你們表示衷心的感謝。 湖南工學院（本科）畢業(yè)設計論文 26 附 錄 //下面代碼為選擇跟蹤目標及處理過程的核心代碼。 void on_mouse(int event, int x, int y, int flags,void *NotUsed) { if( !image ) return。 if( imageorigin ) y = imageheight y。 if( select_object )//如果處于選擇跟蹤物體階段，則對 selection 用當前的鼠標位置進行設置 { = MIN(x,)。 = MIN(y,)。 = + CV_IABS(x )。 = + CV_IABS(y )。 = MAX( , 0 )。 = MAX( , 0 )。 = MIN( , imagewidth )。 = MIN( , imageheight )。 = 。 = 。 } switch( event ) { case origin = cvPoint(x,y)。 selection = cvRect(x,y,0,0)。//坐標 select_object = 1。//表明開始進行選取 break。 case CV_EVENT_LBUTTONUP: 湖南工學院（本科）畢業(yè)設計論文 27 select_object = 0。//選取完成 if( 0 amp。amp。 0 ) if(tool_number==0) track_object[0] = 1。//如果選擇物體有效，則打開跟蹤功能 else if(tool_number==1) track_object[1]=1。 break。 } } //以下代碼為，目標跟蹤界面，以及 MeanShift 算法的處理 void CDemoDlg::OnOK() { int ncams=CCameraDS::CameraCount()。 if(ncams==0) { CString str。 (沒有發(fā)現(xiàn)攝像頭 )。 AfxMessageBox(str)。 } else { CCameraDS camera。 if(! (0)) { CString str。 (無法打開攝像頭 1)。 AfxMessageBox(str)。 } cvNamedWindow(solution,1)。 cvSetMouseCallback( solution, on_mouse )。 // 設置鼠標回調(diào)函數(shù) IplImage *frame = ()。 int i, bin_w, c。 湖南工學院（本科）畢業(yè)設計論文 28 image = cvCreateImage( cvGetSize(frame), 8, 3 )。 imageorigin = frameorigin。 hsv = cvCreateImage( cvGetSize(frame), 8, 3 )。 hue = cvCreateImage( cvGetSize(frame), 8, 1 )。 mask = cvCreateImage( cvGetSize(frame), 8, 1 )。 backproject = cvCreateImage( cvGetSize(frame), 8, 1 )。 backproject_0 = cvCreateImage( cvGetSize(frame), 8, 1 )。 backproject_1 = cvCreateImage( cvGetSize(frame), 8, 1 )。 hist = cvCreateHist( 1, amp。hdims, CV_HIST_ARRAY, amp。hranges, 1 )。 // 計算直方圖 hist_0 = cvCreateHist( 1, amp。hdims, CV_HIST_ARRAY, amp。hranges, 1 )。 //同上 hist_1 = cvCreateHist( 1, amp。hdims, CV_HIST_ARRAY, amp。hranges, 1 )。 // 同上 histimg = cvCreateImage( cvSize(320,200), 8, 3 )。 cvZero( histimg )。 while(tool_number!=3) { if(tool_number==1) { vmax_[0]=vmax。 vmin_[0]=vmin。 smin_[0]=smin。 } else if(tool_number==2) { vmax_[1]=vmax。 vmin_[1]=vmin。 smin_[1]=smin。 } //獲取一幀 IplImage *frame = ()。 cvCopy( frame, image, 0 )。 cvCvtColor( image, hsv, CV_BGR2HSV )。 // 彩色空間轉(zhuǎn)換 BGR to HSV for(i=0。i2。i++) { 湖南工學院（本科）畢業(yè)設計論文 29 if(i==0) { cvCo