MeanShift运动目标跟踪Matlab

MeanShift运动目标跟踪 matlab程序

思路简介:

1.截取跟踪目标矩阵rect

2.求取跟踪目标的加权直方图hist1

3.读取视频序列中的一帧, 先随机取一块与rect等大的矩形,计算加权直方图hist2。

4.计算两者比重函数,如果后者差距过大, 更新新的矩阵中心Y,进行迭代(MeanShift是一种变步长可以迅速接近概率密度峰值的方法),直至一定条件后停止。

源程序(参考过其他程序):

[plain] view plaincopy

  1.   

function [] = select()
close all;
clear all;
%%%%%%%%%%%%%%%%%%根据一幅目标全可见的图像圈定跟踪目标%%%%%%%%%%%%%%%%%%%%%%%
I=imread('E:数字图像处理6218.bmp');
figure(1);
imshow(I);

[temp,rect]=imcrop(I);
[a,b,c]=size(temp); 

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%计算目标图像的权值矩阵%%%%%%%%%%%%%%%%%%%%%%%
y(1)=a/2;
y(2)=b/2;
tic_x=rect(1)+rect(3)/2;
tic_y=rect(2)+rect(4)/2;
m_wei=zeros(a,b);%权值矩阵
h=y(1)^2+y(2)^2 ;%带宽

for i=1:a
    for j=1:b
        dist=(i-y(1))^2+(j-y(2))^2;
        m_wei(i,j)=1-dist/h; %epanechnikov profile
    end
end
C=1/sum(sum(m_wei));%归一化系数

%计算目标权值直方图qu
%hist1=C*wei_hist(temp,m_wei,a,b);%target model
hist1=zeros(1,a*b);
for i=1:a
    for j=1:b   
        %rgb颜色空间量化为16*16*16 bins
        q_r=fix(double(temp(i,j,1))/16);  %fix为趋近0取整函数
        q_g=fix(double(temp(i,j,2))/16);
        q_b=fix(double(temp(i,j,3))/16);
        q_temp=q_r*256+q_g*16+q_b;            %设置每个像素点红色、绿色、蓝色分量所占比重           
        hist1(q_temp+1)= hist1(q_temp+1)+m_wei(i,j);    %计算直方图统计中每个像素点占的权重
    end
end
hist1=hist1*C;
rect(3)=ceil(rect(3));
rect(4)=ceil(rect(4));

%%%%%%%%%%%%%%%%%%%%%%%%%读取序列图像
myfile=dir('*.bmp');
lengthfile=length(myfile);

for l=1:lengthfile
    Im=imread(myfile(l).name);
    num=0;
    Y=[2,2];

     %%%%%%%mean shift迭代
    while((Y(1)^2+Y(2)^2>0.5)&num<20)   %迭代条件
        num=num+1;
       temp1=imcrop(Im,rect); 
       %计算侯选区域直方图
       %hist2=C*wei_hist(temp1,m_wei,a,b);%target candidates pu                                                                                                                                                                                                                                                                                                                                                                                                                          
       hist2=zeros(1,a*b);
       for i=1:a
         for j=1:b
        q_r=fix(double(temp1(i,j,1))/16);
        q_g=fix(double(temp1(i,j,2))/16);
        q_b=fix(double(temp1(i,j,3))/16);
        q_temp1(i,j)=q_r*256+q_g*16+q_b;
        hist2(q_temp1(i,j)+1)= hist2(q_temp1(i,j)+1)+m_wei(i,j);
         end
       end
       hist2=hist2*C;
       figure(2);
       subplot(1,2,1);
       plot(hist2);
       hold on;
       
       w=zeros(1,a*b);
       for i=1:a*b
           if(hist2(i)~=0)
              w(i)=sqrt(hist1(i)/hist2(i));
           else
           w(i)=0;
           end
       end
           

        %变量初始化
        sum_w=0;
        xw=[0,0];
       for i=1:a;
           for j=1:b
               sum_w=sum_w+w(uint32(q_temp1(i,j))+1);            
               xw=xw+w(uint32(q_temp1(i,j))+1)*[i-y(1)-0.5,j-y(2)-0.5];                    
           end
       end
       Y=xw/sum_w;
          %中心点位置更新  
           rect(1)=rect(1)+Y(2);
           rect(2)=rect(2)+Y(1);
    end

 %%%跟踪轨迹矩阵%%%
    tic_x=[tic_x;rect(1)+rect(3)/2];
    tic_y=[tic_y;rect(2)+rect(4)/2];
    
    v1=rect(1);
    v2=rect(2);
    v3=rect(3);
    v4=rect(4);
    %%%显示跟踪结果%%%
    subplot(1,2,2);
    imshow(uint8(Im));
    title('目标跟踪结果及其运动轨迹');
    hold on;
    plot([v1,v1+v3],[v2,v2],[v1,v1],[v2,v2+v4],[v1,v1+v3],[v2+v4,v2+v4],[v1+v3,v1+v3],[v2,v2+v4],'LineWidth',2,'Color','r');
    plot(tic_x,tic_y,'LineWidth',2,'Color','b');

end

 

结果截图: