目标检测与跟踪实验报告3王进.docxVIP

《图像探测、跟踪与识别技术》实验报告专业： 探测制导与控制技术 学号： 姓名： 王进 2014 年 11月实验三 复杂场景下目标的检测与跟踪一、实验目的1. 学习不同目标跟踪算法，对比不同算法对于复杂场景的效果；2. 学习OpenCV与VS2010的联合编程，提高编程能力。二、实验要求1. 要求学生至少使用一种目标跟踪算法对视频中出现的目标进行跟踪；2. 检验所选算法在复杂场景下的效果；3. 使用VS2010/2012和OpenCV进行编程；4. 本实验不要求目标检测，所以目标可以手动标出。三、实验步骤1. 想办法找到目标（可手动框出）。2. 编写目标跟踪函数代码；四、实验报告 1、 CAMSHIFT算法原理 CAMSHIFT算法是利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的中心位置。这个算法可以分为三个部分： 1、色彩投影图（反向投影）： (1).RGB颜色空间对光照亮度变化较为敏感，为了减少此变化对跟踪效果的影响，首先将图像从RGB空间转换到HSV空间。(2).然后对其中的H分量作直方图，在直方图中代表了不同H分量值出现的概率或者像素个数，就是说可以查找出H分量大小为h的概率或者像素个数，即得到了颜色概率查找表。(3).将图像中每个像素的值用其颜色出现的概率对替换，就得到了颜色概率分布图。这个过程就叫反向投影，颜色概率分布图是一个灰度图像。 2、MEANSHIFT MEANSHIFT算法是一种密度函数梯度估计的非参数方法，通过迭代寻优找到概率分布的极值来定位目标。 算法过程为： (1).在颜色概率分布图中选取搜索窗W (2).计算零阶距： 计算一阶距： 计算搜索窗的质心： (3).调整搜索窗大小宽度为；长度为1.2s； (4).移动搜索窗的中心到质心，如果移动距离大于预设的固定阈值，则重(2)(3)(4)，直到搜索窗的中心与质心间的移动距离小于预设的固定阈值，或者循环运算的次数达到某一最大值，停止计算。关于MEANSHIFT的收敛性证明可以google相关文献。 3、CAMSHIFT 将MEANSHIFT算法扩展到连续图像序列，就是CAMSHIFT算法。它将视频的所有帧做MEANSHIFT运算，并将上一帧的结果，即搜索窗的大小和中心，作为下一帧MEANSHIFT算法搜索窗的初始值。如此迭代下去，就可以实现对目标的跟踪。算法过程为：(1).初始化搜索窗(2).计算搜索窗的颜色概率分布（反向投影）(3).运行MEANSHIFT算法，获得搜索窗新的大小和位置。(4).在下一帧视频图像中用(3)中的值重新初始化搜索窗的大小和位置，再跳转到(2)继续进行。 CAMSHIFT算法能有效解决目标变形和遮挡的问题，对系统资源要求不高，时间复杂度低，在简单背景下能够取得良好的跟踪效果。但当背景较为复杂，或者有许多与目标颜色相似像素干扰的情况下，会导致跟踪失败。因为它单纯的考虑颜色直方图，忽略了目标的空间分布特性，所以这种情况下需加入对跟踪目标的预测算法。2、CAMSHIFT算法实现在OpenCV库中，CvCamShiftTracker类就是用来实现CAMSHIFT算法的，使得进行二次开发变得很简单。该函数为： int cvCamShift(const CvArr *prob_image，CvRect window，CvTermCriteria criteria，CvConnectedComp *cornp，CvBox2D *box=NULL)；prob_image：目标直方图的反向投影 window：初始搜索窗口 criteria：确定窗口搜索停止的准则 comp：生成的结构，包含收敛的搜索窗VI坐标(comp→rect字段)与窗口内有像素点的和(comps→area字段)box：目标的带边界盒子。如果非NULL则包含目标的尺寸和方向。3、实验流程4 实验结果与分析本实验中，用笔记本自带的摄像头来跟踪一运动物体，下图4-图7一系列图像是采用CAMSHIFT算法跟踪运动物体部分图像。选定目标：跟踪目标： 由此可见，基于颜色直方图的CAMSHIFT算法可以有效地解决目标变形和旋转问题，而且运算效率很高，可以实时跟踪运动目标五、思考题1. 复杂背景下如何使用背景差分法进行跟踪？将当前帧减去背景帧即可提取出运动目标，当然还存在有其他一些干扰，若噪声或背景物品的移动。然后再对提取出的感兴趣的目标进行检测跟踪。2. 基于核函数的meanshift算法是什么意思？meansift算法中对区域内所有点都一样处理没有区别，而实际用于跟踪时，考虑到遮挡物等干扰一般都从边界进入而不会从区域内部