【正文】 i++) { 湖南工學院（本科）畢業(yè)設(shè)計論文 29 if(i==0) { cvCopy。 // 彩色空間轉(zhuǎn)換 BGR to HSV for(i=0。 cvCopy( frame, image, 0 )。 smin_[1]=smin。 } else if(tool_number==2) { vmax_[1]=vmax。 vmin_[0]=vmin。 cvZero( histimg )。hranges, 1 )。 //同上 hist_1 = cvCreateHist( 1, amp。hdims, CV_HIST_ARRAY, amp。hranges, 1 )。 hist = cvCreateHist( 1, amp。 backproject_0 = cvCreateImage( cvGetSize(frame), 8, 1 )。 mask = cvCreateImage( cvGetSize(frame), 8, 1 )。 hsv = cvCreateImage( cvGetSize(frame), 8, 3 )。 湖南工學院（本科）畢業(yè)設(shè)計論文 28 image = cvCreateImage( cvGetSize(frame), 8, 3 )。 // 設(shè)置鼠標回調(diào)函數(shù) IplImage *frame = ()。 } cvNamedWindow(solution,1)。 (無法打開攝像頭 1)。 } else { CCameraDS camera。 (沒有發(fā)現(xiàn)攝像頭 )。 } } //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()。//如果選擇物體有效，則打開跟蹤功能 else if(tool_number==1) track_object[1]=1。amp。 case CV_EVENT_LBUTTONUP: 湖南工學院（本科）畢業(yè)設(shè)計論文 27 select_object = 0。//坐標 select_object = 1。 } switch( event ) { case origin = cvPoint(x,y)。 = 。 = MIN( , imagewidth )。 = MAX( , 0 )。 = + CV_IABS(x )。 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(shè)置 { = MIN(x,)。 void on_mouse(int event, int x, int y, int flags,void *NotUsed) { if( !image ) return。 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。 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。 感謝同班同學劉澤宇和張晟同學，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。也教會了我很多 MFC 方面的知識，讓我受益匪淺。在這里，我要向他表示感謝和深深的敬意。 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(shè)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)。挫折是人生道路上的財富，我們要認真對待。 湖南工學院（本科）畢業(yè)設(shè)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(yīng)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(yīng)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(shè)計論文 25 致 謝 在這次畢業(yè)設(shè)計過程中讓我知道了學無止境的道理。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。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。它的應(yīng)用領(lǐng)域也從工業(yè)擴展到軍事，最后走進家庭。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。 湖南工學院（本科）畢業(yè)設(shè)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。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。 湖南工學院（本科）畢業(yè)設(shè)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。 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(yīng)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。如圖 10 所示，點擊鼠標左鍵，拖動以框住人體頭部。 圖 8 圖形界面 2 目標跟蹤效果 如圖 9 所示，設(shè)置好窗口大小等參數(shù)后，就會出現(xiàn)圖中所示畫面，電腦攝像頭將會被打開。 程序運行結(jié)果 圖形界面 如圖 7 所示，程序運行出來的首界面只有兩個 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行自定義，右邊按鍵很顯然就是結(jié)束功能。 (5)確定目標的位置 據(jù)公式可知，當 Bhattacharrya 系數(shù)達到最大值時，他 所在的位置即為目標所在位置。 ??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， 湖南工學院（本科）畢業(yè)設(shè)計論文 19 ? ?? ? ? ?01 ypquxbwuumu ii ?? ?? ? （ 16） 由此可以看出式 (15)右邊的最后一項是帶權(quán)值的核密度估計，我們可以通過均值漂移算法對其進行最優(yōu)化處理。 位于 y 的物體可描述為 ? ? ? ?? ???? ????????? ?? hnisisihu uxbh yxkCyp12 ? （ 12） ? ? ???????? ??hniihhxykC1 221，其中 six 是以 y 為中心的候選目標像素坐標。 因為 C 是一個歸一化常量，因此，不管怎么變化，它所有特征值的概率總和都等于 1。目標第 i個像素的坐標值用 ix 來表示 。如圖 6 所示，為均值漂移算法的流程圖。例如在圖像平滑方面，還有對圖像進行分割。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。因此，對應(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。 若定義 ? ?xxx i ??? ，則 x? 表示的是采樣點 ix 相對于點 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 個采樣點與點 x 的相對偏移向量求和再對其求平均值。 MeanShift(均值漂移 )算法的多重優(yōu)點，使得其在計算機視覺領(lǐng)域備受關(guān)注。 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。均值漂移算法工作的過程其實就是一個迭代過程，跟蹤目標每到一個像素點，則算出當前點的漂移均值，并且把該像素點作為起點，接著向下一個像素點移動，以此循環(huán)，直到能夠滿足一定條件。 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 80 年代《關(guān)于概率 度梯度函數(shù)的估計》中。隨著科學技術(shù)的快速發(fā)展，運動目標跟蹤技術(shù)也越來越嫻熟。 當前，運動目標跟蹤通常由目標識別與目標匹配來實現(xiàn)。但要實現(xiàn)對運動目標的實時跟蹤也不是一件簡單的事情，怎樣才能做到在視頻中快速完美的匹配運動目標，這是廣大研究者一直以來都在努力解決的問題。它是通過獲取視頻中運動目標每一幀的運動狀態(tài)，通過對比每幀圖像的差別，從而實現(xiàn)運動目標的實時跟蹤。從第一節(jié)的 OpenCV 函數(shù)介紹，再到第二節(jié)的下載安裝教程，最后講述的是創(chuàng)建項目所要注意的地方：必須把 OpenCV 的 lib 庫