Matlab图像序列中的运动目标检测与跟踪

对图像定位,边缘检测、图像增强对视频中的某个物体进行跟踪:比如说是飞机,导弹等~

附件中的Matlab代码

  1. clc;
  2. clear;
  3. % close all;
  4. %%%%%%%%%%%%%%% 读序列图像 %%%%%%%%%%%
  5. location = ‘D:\ex7\‘;%文件夹位置
  6. count=2; %图像帧数
  7. % aviFileName = ‘images2AVI.avi‘;
  8. aviObj =avifile(‘image1.avi‘);
  9. % aviObj =avifile(‘example.avi‘);
  10. %figHandle = figure;
  11. % 多帧循环开始
  12. for i=1:count
  13. I_origin = imread([location num2str(i) ‘.bmp‘]);
  14. I= I_origin;
  15. k=1;J2=512;J3=0;I1=0;
  16. %%%%%%%%%%%%%%%%%%%% 对比度增强 %%%%%%%%%%%%%%%%%%%
  17. T=197;%手动选阈值
  18. i;
  19. III=size(I);
  20. for i=1:III(1)
  21. % size(I)
  22. n=0; flag=0;
  23. for j=1:512
  24. if I(i,j) >T
  25. I(i,j)=255;
  26. else
  27. if k==1 % k demostrate number
  28. n=n+1;
  29. if n>15
  30. I1=i;
  31. J1=j;
  32. k=k+1;n=0;
  33. end
  34. end
  35. if k==2
  36. n=n+1;
  37. if n>15
  38. if J1>j&J2>j
  39. I2=i;
  40. J2=j;
  41. J3=J2+70;
  42. end
  43. % if J1<j&J3<j
  44. % J3=j;
  45. % end
  46. I4=i;J4=j;
  47. n=0;
  48. end
  49. end
  50. % if I(i,j)<50&k==3
  51. % n=n+1;
  52. % if n>3
  53. %
  54. % I4=i;J4=j;
  55. % n=0;
  56. % end
  57. % end
  58. I(i,j)=0;
  59. n=n+1;
  60. end
  61. end
  62. end
  63. J33=J3-8;
  64. J22=J2-25;
  65. for j1=J22:J33
  66. I(I1-8,j1)=0;
  67. I(I4+8,j1)=0;
  68. end
  69. for i1=(I1-8):(I4+8)
  70. I(i1,J22)=0;
  71. I(i1,J33)=0;
  72. end
  73. %%%%%%%%%%%%%%%%%%%% 图像边缘检测 %%%%%%%%%%%%%%%%%%%%%
  74. BW3 = edge(I,‘canny‘);
  75. figure,imshow(BW3);
  76. frame_grayImage = im2uint8(BW3);
  77. aviObj = addframe(aviObj,frame_grayImage );
  78. % hold on;
  79. % imshow(BW3);
  80. % h = getframe(figHandle);
  81. % aviObj = addframe(aviObj,h );
  82. end % 多帧循环结束
  83. %close(figHandle);
  84. aviObj=close(aviObj);
  85. %%%%%%%%%%%%%%%%% SAVE %%%%%%%%%%%%

复制代码

刚开始一帧

最后一帧

时间: 2024-12-25 08:46:00

Matlab图像序列中的运动目标检测与跟踪的相关文章

运动目标检测ViBe算法

一.运动目标检测简介   视频中的运动目标检测这一块现在的方法实在是太多了.运动目标检测的算法依照目标与摄像机之间的关系可以分为静态背景下运动检测和动态背景下运动检测.先简单从视频中的背景类型来讨论.        静态背景下的目标检测,就是从序列图像中将实际的变化区域和背景区分开了.在背景静止的大前提下进行运动目标检测的方法有很多,这些方法比较侧重于背景扰动小噪声的消除,如:1.背景差分法2.帧间差分法3.光流法4.混合高斯模型(GMM)5.码本(codebook)还有这些方法的变种,例如三帧

【转】 运动目标检测跟踪主流算法

不全,需要慢慢补充 一.运动目标检测 (一)背景差 1.帧差 2.GMM 等 背景减算法可以对背景的光照变化.噪声干扰以及周期性运动等进行建模,在各种不同情况下它都可以准确地检测出运动目标.因此对于固定摄像头的情形,目前大多数的跟踪算法中都采用背景减算法来进行目标检测.背景减算法的局限性在于它需要一个静态的固定摄像头. (二)运动场 光流法 光流估计的方法都是基于以下假设:图像灰度分布的变化完全是目标或者场景的运动引起的,也就是说,目标与场景的灰度不随时间变化.这使得光流方法抗噪声能力较差,其应

matlab工具箱之人眼检测+meanshift跟踪算法--人眼跟踪

Viola-Jones 人眼检测算法+meanshift跟踪算法 这次的代码是对视频中的人眼部分进行检测加跟踪,检测用的是matlab自带的人眼检测工具箱 下面是matlab官网介绍这个算法的一些东西: http://cn.mathworks.com/help/vision/examples/face-detection-and-tracking-using-camshift.html?searchHighlight=Viola-Jones http://cn.mathworks.com/hel

运动目标检测跟踪各过程算法综述

运动目标检测跟踪各过程算法综述 图像预处理数字图像中的几种典型噪声有:高斯噪声来源于电子电路噪声和低照明度或高温带来的传感器噪声:椒盐噪声类似于随机分布在图像上的胡椒和盐粉微粒,主要由图像切割引起或变换域引起的误差:加性噪声是图像在传输中引进的信道噪声.一般来说,引入的都是加性随机噪声,可以采用均值滤波.中值滤波.高斯滤波等方法去除噪声,提高信噪比.均值滤波在噪声分布较平均,且峰值不是很高的情况下能够得到较好的应用:中值滤波对尖脉冲噪声的滤除有较好的效果,并且能突出图像的边缘和细节:高斯滤波对滤

静态背景下运动目标检测

前言:运动对象常用在视频监控领域,目的是从序列图像中将变化区域从背景图像中提取出来,运动区域的有效检测对目标分类.跟踪.行为理解等后期处理非常重要.根据摄像机与运动目标之间的关系可分为静态背景下的运动目标检(摄像机静止)和动态背景下的运动目标检测(摄像机也同时运动).项目中我用到的是静态背景下的运动目标检测,需通过固定摄像机检测运动物体,并完成抓取动作. 内容: 运动目标检测常用的方法一般分为两大类,一种是基于特征的方法,另一种是基于灰度的方法.基于特征的方法是依据图像的特征来检测运动目标,多用

OpenCV运动目标检测——帧间差,混合高斯模型方法

一.简单的帧间差方法 帧差法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且闽值化来提取图像中的运动区域. 代码: int _tmain(int argc, _TCHAR* argv[]) { VideoCapture capture("bike.avi"); if(!capture.isOpened()) return -1; double rate = capture.get(CV_CAP_PROP_FPS); int delay = 1000/rate; Mat

目标检测与跟踪的研究热点以及发展趋势

目标检测与跟踪的研究热点以及发展趋势: 1) 场景信息与目标状态的融合 场景信息包含了丰富的环境上下文信息, 对场景信息进行分析及充分利用, 能够有效地获取场景的先验知识, 降低复杂的背景环境以及场景中与目标相似的物体的干扰; 同样地, 对目标的准确描述有助于提升检测与跟踪算法的准确性与鲁棒性. 总之,尝试研究结合背景信息和前景目标信息的分析方法,融合场景信息与目标状态, 将有助于提高算法的实用性能. 2) 多维度. 多层级信息融合 为了提高对运动目标表观描述的准确度与可信性, 现有的检测与跟踪

运动目标检测--改进的背景减法

一.概述 本文提出了一种改进的基于背景减法的运动目标检测算法,该算法能自适应地对背景进行初始化和实时更新,并能有效克服光照等外界条件变化对运动目标检测的影响. 二.算法介绍 基于背景减法的视频运动目标检测主要包括预处理.背景建模.目标检测和后处理四个步骤.本文的算法流程如图 1 所示,算法中的预处理是对每一帧图像都进行去噪和亮度归一化处理,以抑制光照突变和噪声的影响:背景建模则采用改进的均值滤波法自动初始化背景,并不断实时更新背景,以克服环境光照变化所产生的影响:目标检测是在背景减法的基础上采用

我收集的一些目标检测、跟踪、识别标准测试视频集和图像数据库

一个网友收集的运动目标检测,阴影检测的标准测试视频 http://blog.csdn.net/sunbaigui/article/details/6363390 很权威的change detection检测视频集,里面有将近20种主流算法在这个测试集上的运行结果和ROC,PRA曲线 http://changedetection.net/ VIVID Tracking Evaluation Web Site http://vision.cse.psu.edu/data/vividEval/data