動態(tài)圖像的追蹤課件

1、交通視頻監(jiān)控系統(tǒng)之動態(tài)圖像的追蹤內(nèi)容結(jié)構(gòu)人臉動態(tài)追蹤演示1.實驗環(huán)境搭建2.程序的配置調(diào)試過程動態(tài)圖像追蹤：Kalman濾波器算法 一： 人臉動態(tài)追蹤演示 實驗環(huán)境搭建及運行示例代碼程序的配置調(diào)試過程實驗環(huán)境Windows平臺 + VC+6.0 + OpenCV1.0OpenCV簡介OpenCV（Open Source Computer Vision Library）是一個基于C/C+語言的計算機(jī)視覺庫。它輕量級而且高效，由一系列的C函數(shù)和少量的C+類構(gòu)成，實習(xí)了圖像處理和計算機(jī)視覺方面的很多通用算法，可以進(jìn)行圖像/視頻載入、保存和采集的常規(guī)操作。OpenCV應(yīng)用領(lǐng)域：物體識別，人臉識別，動作

2、識別，運動跟蹤，圖像分割，機(jī)器人等方面。OpenCV特點：提供豐富的時間處理算法，開源，便于算法移植，OpenCV的代碼經(jīng)過適當(dāng)改寫可以正常的運行在DSP系統(tǒng)和單片機(jī)系統(tǒng)中，支持絕大多數(shù)格式的圖片處理，支持從攝像頭或視頻文件（如AVI格式）中捕捉幀畫面。注意：在安裝時選擇“將OpenCVbin加入系統(tǒng)變量（AddOpenCVbin to the systerm PATH）。 2：配置windows環(huán)境變量 檢查C:Program FilesOpenCVbin 是否已近被加入到環(huán)境變量path，如果沒有則需要加入如圖：3.配置visual c+6.01.全局設(shè)置：菜單Tools-Options-

3、Directories ：先設(shè)置lib路徑，選擇Library files，在下方填入路徑：C:Program FilesOpenCVlib 。然后選擇include files，在下方填入路徑： 如圖：然后選擇source files，在下方填入路徑，最后點擊OK完成設(shè)置2，項目設(shè)置：每創(chuàng)建一個將要使用的OpenCV的VC Project，都需要給他指定需要的lib。菜單：Project-Settings ，然后將Setting for選為All Configutations，然后選擇右邊的link標(biāo)簽，在Object/library modules附加上Cxcore lib cv.lib

4、ml.lib highgui.lib cvcam.lib如圖：交通視頻監(jiān)控系統(tǒng)組成運動目標(biāo)檢測運動目標(biāo)追蹤動態(tài)圖像追蹤簡介動態(tài)圖像追蹤技術(shù)就是在一段視頻序列中的每幅圖像找到所感興趣的運動目標(biāo)所處的位置，以便進(jìn)行跟蹤、分類或識別，其在軍事、國防、工業(yè)過程控制、醫(yī)學(xué)研究、交通監(jiān)控、飛機(jī)導(dǎo)航等領(lǐng)域有著廣泛的應(yīng)用前景。運動目標(biāo)跟蹤的目的就是通過對序列圖像進(jìn)行分析研究，計算出運動目標(biāo)在連續(xù)幀圖像中的位移，給出運動目標(biāo)速度等運動參數(shù)，而對緩解城市交通擁擠、堵塞、違規(guī)現(xiàn)象提供依據(jù)。利用圖像捕捉并跟蹤我們感興趣的運動目標(biāo)，形成運動目標(biāo)的序列圖像由于比靜止目標(biāo)的一幀圖像提供了更多的有用信息，使得可以利用序列圖像

5、檢測出在單幀圖像中很難檢測出的目標(biāo)1.背景差法2.幀間差分法3.光流法二：動態(tài)圖像追蹤動態(tài)目標(biāo)追蹤常用方法：1.Kalman濾波器法2.波門跟蹤法3.主動輪廓線跟蹤法4.模板匹配跟蹤法5.多模跟蹤法Kalman filter原理根據(jù)物理學(xué)中運動方程來估計目標(biāo)的位置利用反饋控制系統(tǒng)估計運動狀態(tài)，該過程分兩步：預(yù)測和修正。1.預(yù)測：負(fù)責(zé)利用當(dāng)前的狀態(tài)和誤差協(xié)方差估計下一時刻的狀態(tài)，得到先驗估計。2.修正：負(fù)責(zé)反饋，將新的實際觀測值與先驗估計值一起考慮，從而獲得后驗估計。在每次完成預(yù)測和修正以后，由后驗估計值預(yù)測下一時刻的先驗估計，重復(fù)以上步驟，這就是Kalman 濾波器的遞歸工作原理本質(zhì)上就5條公

6、式：1.X(k|k-1)=A X(k-1|k-1)+B U(k) . (1)2.P(k|k-1)=A P(k-1|k-1) A+Q (2)3.X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1) (3)4.Kg(k)= P(k|k-1) H / (H P(k|k-1) H + R) (4)5.P(k|k)=（I-Kg(k) H）P(k|k-1) (5)注：式子1，2就是卡爾曼濾波器5個公式當(dāng)中的前兩個，也就是對系統(tǒng)的預(yù)測。X(k|k-1)是利用上一狀態(tài)預(yù)測的結(jié)果 X(k-1|k-1)是上一狀態(tài)最優(yōu)的結(jié)果 P(k|k-1)是X(k|k-1)對應(yīng)的covariance K

7、g為卡爾曼增益(Kalman Gain) 一個簡單的例子來解釋kalman filter對房間溫度的預(yù)測1.根據(jù)自己經(jīng)驗預(yù)測值，但是對自己的經(jīng)驗存在一個偏差（這個偏差專業(yè)點的說法叫：高斯白噪聲）2.溫度計的測量值，溫度計同樣會有個偏差（高斯白噪聲）根據(jù)以上兩個值結(jié)合他們的噪聲來預(yù)測房間的實際溫度首先要根據(jù)k-1時刻的溫度值，來預(yù)測K時刻的溫度因為你相信溫度是恒定的，所以你會得到k時刻的溫度預(yù)測值是跟k-1時刻一樣的，假設(shè)是23度，同時該值的高斯噪聲的偏差是5度（5是這樣得到的：如果k-1時刻估算出的最優(yōu)溫度值的偏差是3，你對自己預(yù)測的不確定度是4度，他們平方相加再開方，就是5）。然后，你從溫度

8、計那里得到了k時刻的溫度值，假設(shè)是25度，同時該值的偏差是4度。由于我們用于估算k時刻的實際溫度有兩個溫度值，分別是23度和25度。究竟實際溫度是多少呢？相信自己還是相信溫度計呢？究竟相信誰多一點，我們可以用他們的covariance來判斷。因為Kg2=52/(52+42)，所以Kg=0.78，我們可以估算出k時刻的實際溫度值是：23+0.78*(25-23)=24.56度?？梢钥闯?，因為溫度計的covariance比較?。ū容^相信溫度計），所以估算出的最優(yōu)溫度值偏向溫度計的值?，F(xiàn)在我們已經(jīng)得到k時刻的最優(yōu)溫度值了，下一步就是要進(jìn)入k+1時刻，進(jìn)行新的最優(yōu)估算。到現(xiàn)在為止，好像還沒看到什么自回歸的東西出現(xiàn)。對了，在進(jìn)入k+1時刻之前，我們還要算出k時刻那個最優(yōu)值（24.56度）的偏差。算法如下：(1-Kg)*52)0.5=2.35。這里的5就是上面的k時刻你預(yù)測的那個23度溫度值的偏差，得出的2.35就是進(jìn)入k+1時刻以后k時刻估算出的最優(yōu)溫度值的偏差總結(jié)：Kalman 濾波器是一套基本公式，用于預(yù)測修正的評估，在最小化協(xié)方差估計誤差方