基于MATLAB目标图像跟踪技术研究.docVIP

基于MATLAB目标图像跟踪技术研究 　　摘 要：选定目标图像中的被跟踪对象，通过MATLAB编程实现对跟踪对象的图像提取，并通过对目标图像在运动过程中的十连拍图像提取结果的分析比对，验证该方法的实用性。通过对目标图像光照强度和颜色的调整，验证该方法在模拟实际环境应用中的稳定性。 　　关键词：MATLAB;图像提取;实用性;稳定性 　　1 引言 　　随着信息技术的高速发展，大量有摄像功能的电子设备逐渐应用到人类生产、生活的每个角落，大量的图像数据成为信息传播的重要载体。一副图像包含的元素非常丰富，但由于不同的分析需求，我们对某一图像中不同元素的感兴趣程度也是不同的。如何提取对我们有用的目标，并且跟踪分析，是我们需要研究的问题。 　　目标图像跟踪技术广泛应用于军事、医疗、气象分析、工业生产和安全等领域，对于特定目标的图像进行分析跟踪，可以实现对运动目标进行精确打击，对特定气象元素进行分析预测，以及结合人脸识别技术对被监控对象实施电子跟踪及侦查等。是近些年被广泛关注和应用的实用技术。 　　2 建立研究对象 　　我们的研究对象是在目标图像中初始化的一个对象窗口，这个窗口是由不同的字段定义的结构。该窗口包含一个中心点，大小的峰值，一个比例因子，三组定义窗口区域颜色的矩阵，以及两组定义窗口所在位置的方位矩阵。所有这些字段都由初始化函数预先设定。 　　在这个实验中，我们感兴趣的是跟踪对象采集到的窗口函数，和对象给出的相应字段。 　　3 SSD法的运用 　　由于我们需要跟踪的对象是移动对象，所以需要对原始窗口和实时窗口进行分析比对。我们使用SSD（既平方差之和）来测试窗口不同的位置，并计算了哪个地方的SSD是最小的。这个最小值对应的窗口表示跟踪目标的最新位置。 　　在目标移动过程中，我们不知道目标对象的状态，也不可能目标对象的方向。因此我们需要设定一个参考窗口，用于和起始窗口进行对比计算。基于起始窗口的中心和扫描某一区间（区间参数可以自行定义）的窗口对比。在每次迭代时，计算原始窗口和参考窗口之间的SSD，如果SSD是最小的，则该窗口被认为是最佳窗口并且予以保留。 　　对相关数据的定义及SSD的计算程序： 　　定义程序： 　　function [fenetreopt，SSD]=suiviParCorrelation（fenetre，deltax，deltay，image） 　　%定义图像中的对象位置 　　mini 　　fenetreopt=fenetre; 　　fenetrei=fenetre; 　　x0=fenetrei.centre（1）;x=x0; 　　y0=fenetrei.centre（2）;y=y0; 　　dx=deltax;dy=deltay; 　　%扫描间隔 　　i=1; 　　SSD=zeros（2*deltax，2*deltay）; 　　for x=x0-dx：x0+dx 　　fenetrei.centre（1）=x; 　　fenetrei.centre（2）=y; 　　j=1; 　　for y=y0-dy：y0+dy 　　fenetrei.sommets=[]; 　　fenetrei.centre（2）=y; 　　[fenetrei]=InitFen（fenetrei，image）; 　　计算程序： 　　correlation=（fenetre.wind_coul（：，：，1）-fenetrei.wind_coul（：，：，1））.^2+. 　　（fenetre.wind_coul（：，：，2）-fenetrei.wind_coul（：，：，2））.^2+（fenetre.wind_coul（：，：，3）-fenetrei.wind_coul（：，：，3））.^2; 　　SSD（i，j）=sum（correlation（：））; 　　if（SSD（i，j）lt;mini） 　　mini=SSD（i，j）; 　　indicex=i;indicey=j; 　　fenetreopt=fenetrei; 　　%SSD计算程序。SSD是包含各设定窗口方差的矩阵，我们要通过确定最小的矩阵，来判断对象的最新位置 　　j=j+1; 　　end 　　i=i+1; 　　end 　　通过编程可得SSD的数据模型：（图1） 　　lt;E：＼123456＼速读?下旬201510＼Image＼QQ截图20150830143343.pnggt; 　　图 1：SSD的数据模型 　　值得注意的是，该曲线的特征在于反映最小数值的位置。 　　通过这个结果，我们建议，通过识别跟踪对象的运动来显示图像上的各窗口的位置。同时，也可以通过窗口中显示