运动目标检测与跟踪论文与源代码

纳闷，opencv书上不是有各个函数的功能吗，也可以上网查啊，我不具体看了，大概看一下吧如果你知道目标提取的一些方法，这个看懂不难，抱歉没啥时间给你看，自己努力下吧。大致的思路是：通过背景差或帧差的方法获取两者的差别，并通过设定阈值，将差别较大的认为是前景目标，然后通过一些腐蚀、膨胀、滤波（比如中值滤波）提取出前景目标，然后去除小目标减少干扰，并用矩形框将结果框出来，很简单，自己对照着这个思想好好看看代码吧，凡是要靠自己努力才能成长。祝学业有成~void update_mhi( IplImage* img, IplImage* dst, int diff_threshold ){ double timestamp = clock()/1.; CvSize size = cvSize(img->width,img->height); int i, idx1, idx2; IplImage* silh; IplImage* pyr = cvCreateImage( cvSize((size.width & -2)/2, (size.height & -2)/2), 8, 1 ); CvMemStorage *stor; CvSeq *cont; /*先进行数据的初始化*/ if( !mhi || mhi->width != size.width || mhi->height != size.height ) { if( buf == 0 ) { buf = (IplImage**)malloc(N*sizeof(buf[0])); memset( buf, 0, N*sizeof(buf[0])); } for( i = 0; i < N; i++ ) { cvReleaseImage( &buf[i] ); buf[i] = cvCreateImage( size, IPL_DEPTH_8U, 1 ); cvZero( buf[i] ); } cvReleaseImage( &mhi ); mhi = cvCreateImage( size, IPL_DEPTH_32F, 1 ); cvZero( mhi ); } cvCvtColor( img, buf[last], CV_BGR2GRAY ); //前面没看，我想是将rgb图像转为灰度图像，可能create一下单通道的图像，存放转换结果的。 idx1 = last; idx2 = (last + 1) % N; last = idx2; silh = buf[idx2]; cvAbsDiff( buf[idx1], buf[idx2], silh ); //做差，我想是通过差分的方法，提取前景目标的，也就是当前图像与背景图像作差，提取前景目标。 cvThreshold( silh, silh, 30, 255, CV_THRESH_BINARY );//这里阈值化，相差30像素以上为前景目标 cvUpdateMotionHistory( silh, mhi, timestamp, MHI_DURATION ); cvCvtScale( mhi, dst, 255./MHI_DURATION, (MHI_DURATION - timestamp)*255./MHI_DURATION ); cvCvtScale( mhi, dst, 255./MHI_DURATION, 0 ); cvSmooth( dst, dst, CV_MEDIAN, 3, 0, 0, 0 );//滤波，平滑，去噪 cvPyrDown( dst, pyr, 7 );//降采样 cvDilate( pyr, pyr, 0, 1 ); //膨胀处理，让前景变得圆滑，以及一些小碎片连接起来 cvPyrUp( pyr, dst, 7 ); stor = cvCreateMemStorage(0); cont = cvCreateSeq(CV_SEQ_ELTYPE_POINT, sizeof(CvSeq), sizeof(CvPoint) , stor);//创序列 cvFindContours( dst, stor, &cont, sizeof(CvContour), CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0));//找轮廓及个数 for(;cont;cont = cont->h_next) { CvRect r = ((CvContour*)cont)->rect;//加上矩形框，也就是将前景目标框出来 if(r.height * r.width > CONTOUR_MAX_AERA) { cvRectangle( img, cvPoint(r.x,r.y), cvPoint(r.x + r.width, r.y + r.height), CV_RGB(255,0,0), 1, CV_AA,0); } } cvReleaseMemStorage(&stor); cvReleaseImage( &pyr );} cvReleaseMemStorage(&stor); cvReleaseImage( &pyr );}

你可以到七七计算机毕业论文的毕业设计题目列表中找一份。有完整的论文和源码等，很详细

这种运动目标检测的方法还是很经典的，下面写了一些注释仅作参考，希望对你有所帮助。#include "stdafx.h"#include "cv.h"#include "highgui.h"#include #include #include #include #include const double MHI_DURATION = 0.1;//定义运动跟踪的最大时间const double MAX_TIME_DELTA = 0.5;const double MIN_TIME_DELTA = 0.05;const int N = 3;//定义数组的维度为3const int CONTOUR_MAX_AERA = 10;//定义的阈值IplImage **buf = 0;int last = 0;IplImage *mhi = 0; CvFilter filter = CV_GAUSSIAN_5x5;//高斯卷积滤波CvConnectedComp *cur_comp, min_comp;//定义连通域操作的存储CvConnectedComp comp;//定义连通域操作的存储CvMemStorage *storage;//定义内存分配CvPoint pt[4];//定义点的存储/******************************下面update_mhi函数输入img，输出识别结果dst，阈值diff_threshold*/void update_mhi( IplImage* img, IplImage* dst, int diff_threshold ){ double timestamp = clock()/1.; //返回从“开启这个程序进程”到“程序中调用clock()函数”时之间的CPU时钟计时单元 CvSize size = cvSize(img->width,img->height); //获取图像的宽和高 int i, idx1, idx2; IplImage* silh; IplImage* pyr = cvCreateImage( cvSize((size.width & -2)/2, (size.height & -2)/2), 8, 1 );// CvMemStorage *stor;//申请内存 CvSeq *cont;//定义保存数据的结构 /*先进行数据的初始化*/ if( !mhi || mhi->width != size.width || mhi->height != size.height ) { //分配内存操作：如果buf是空值，则分配存储空间 if( buf == 0 ) { buf = (IplImage**)malloc(N*sizeof(buf[0]));//利用malloc动态分配内存 memset( buf, 0, N*sizeof(buf[0]));//作用是在一段内存块中填充某个给定的值，此处值为0 } //创建通道为N=3,大小为size的图像存储 for( i = 0; i < N; i++ ) { cvReleaseImage( &buf[i] );//释放buf buf[i] = cvCreateImage( size, IPL_DEPTH_8U, 1 );//创建buf[i] cvZero( buf[i] );//初始化为0 } cvReleaseImage( &mhi );//释放变量mhi mhi = cvCreateImage( size, IPL_DEPTH_32F, 1 );//创建mhi，大小为size，深度为IPL_DEPTH_32F，1个通道 cvZero( mhi ); ///初始化为0 } cvCvtColor( img, buf[last], CV_BGR2GRAY );//将RGB图像img转换成gray灰度图像buf idx1 = last;//将last赋值到idx1 idx2 = (last + 1) % N; //计算(last + 1)除以N的余数 last = idx2;//将idx2赋值到last silh = buf[idx2];//将buf[idx2]赋值到silh //下面计算buf[idx1]与buf[idx2]差的绝对值，输出结果存入silh cvAbsDiff( buf[idx1], buf[idx2], silh ); //下面对单通道数组silh应用固定阈值操作，阈值为30，阈值化类型为CV_THRESH_BINARY最大值为255 cvThreshold( silh, silh, 30, 255, CV_THRESH_BINARY ); //去掉影像(silh) 以更新运动历史图像为mhi,当前时间为timestamp，运动跟踪的最大时间为MHI_DURATION=0.1 cvUpdateMotionHistory( silh, mhi, timestamp, MHI_DURATION ); //下面对mhi进行线性变换操作,输出结果存入dst：dst(I)=mhi(I)*第二个参数 + 第三个参数 cvCvtScale( mhi, dst, 255./MHI_DURATION, (MHI_DURATION - timestamp)*255./MHI_DURATION ); cvCvtScale( mhi, dst, 255./MHI_DURATION, 0 ); cvSmooth( dst, dst, CV_MEDIAN, 3, 0, 0, 0 );//对dst进行中值滤波 cvPyrDown( dst, pyr, 7 );//利用卷积滤波器对dst进行下采样 cvDilate( pyr, pyr, 0, 1 );//对图像pyr使用3*3长方形进行膨胀操作 cvPyrUp( pyr, dst, 7 );//利用卷积滤波器对dst进行上采样 stor = cvCreateMemStorage(0);//动态内存存储创建内存块 cont = cvCreateSeq(CV_SEQ_ELTYPE_POINT, sizeof(CvSeq), sizeof(CvPoint) , stor);//创建存储结构 //函数cvFindContours为寻找图像dst的角点，数据存入cont中，其中包含角点的坐标值 cvFindContours( dst, stor, &cont, sizeof(CvContour), CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0)); for(;cont;cont = cont->h_next) { CvRect r = ((CvContour*)cont)->rect;//创建矩形区域 if(r.height * r.width > CONTOUR_MAX_AERA) { //下面是在图像Img上绘制红色的矩形框，利用左上点和右下点 cvRectangle( img, cvPoint(r.x,r.y), cvPoint(r.x + r.width, r.y + r.height), CV_RGB(255,0,0), 1, CV_AA,0); } } cvReleaseMemStorage(&stor);//释放内存 cvReleaseImage( &pyr );//释放结构体}int _tmain(int argc, _TCHAR* argv[]){ IplImage* motion = 0; CvCapture* capture = 0; capture = cvCaptureFromFile("D://Capture1.avi");//获取视频文件 if( capture ) cvNamedWindow( "视频分析", 1 );//创建窗口 { for(;;) { IplImage* image; if( !cvGrabFrame( capture ))//如果读取视频失败，则退出 break; image = cvRetrieveFrame( capture );//获取图像 if( image ) { if( !motion ) { motion = cvCreateImage( cvSize(image->width,image->height), 8, 1 ); cvZero( motion ); motion->origin = image->origin; } } update_mhi( image, motion, 60);//运动目标检测，阈值为60 cvShowImage( "视频分析", image );//在窗口中显示图像 if( cvWaitKey(10) >= 0 ) break; } cvReleaseCapture( &capture );//释放 cvDestroyWindow( "视频分析" );//释放窗口 } return 0;}

--------------------------------------------------------------------------% 基于中位数算法的运动目标检测% 第1种实现方法%--------------------------------------------------------------------------%*******************************读取视频数据********************************% 调用aviread函数读取视频文件vid = aviread('WalkingMan.avi')size(vid(1).cdata) % 查看第1帧的大小，也是每一帧的大小vid(1).colormap % 查看第1帧的colormap值%*****************************数据类型的转换********************************% 把vid的cdata字段的取值转换成一个240×360×3×80的四维数组IMIM = cat(4,vid.cdata);size(IM) % 查看IM的大小[m,n,k,h] = size(IM); % 把IM的大小赋给四个变量% 把IM转换成一个80行，240×360×3列的矩阵I = reshape(IM,[m*n*k,h])';%********************调用median函数求中位数，进行视频图像分割****************I = median(I); % 求I矩阵中各列元素的中位数I = reshape(I,[m,n,k]); % 将向量I转成240×360×3的三维数组，得到背景图像figure; % 新建一个图形窗口imshow(I); % 显示背景图像figure; % 新建一个图形窗口imshow(IM(:,:,:,1) - I); % 显示第1帧中的目标图像%--------------------------------------------------------------------------% 基于中位数算法的运动目标检测% 第1种实现方法%--------------------------------------------------------------------------% 调用mmreader函数创建读取视频文件的多媒体阅读对象WalkManObjWalkManObj = mmreader('WalkingMan.avi');% 根据多媒体阅读对象WalkManObj，读取视频的各帧图像数据IM = read(WalkManObj, [1, inf]);[m,n,k,h] = size(IM); % 把IM的大小赋给四个变量% 把IM转换成一个80行，240×360×3列的矩阵I = reshape(IM,[m*n*k,h])';I = median(I); % 求I矩阵中各列元素的中位数I = reshape(I,[m,n,k]); % 将向量I转成240×360×3的三维数组，得到背景图像figure; % 新建一个图形窗口imshow(I); % 显示背景图像figure; % 新建一个图形窗口imshow(IM(:,:,:,1) - I); % 显示第1帧中的目标图像

这只是一个静态背景的运动物体检测程序：至于计数，我建议你使用先提取contour 然后计算coutour的number。// 2012-5-8 21:05:30// Moving object recognision// By David Ding#include "stdafx.h"#include using namespace std;using namespace cv;#include #include #include #include #include using namespace cv;using namespace std; int main( int argc, char** argv ){ //声明IplImage指针 IplImage* pFrame = NULL; IplImage* pFrImg = NULL; IplImage* pBkImg = NULL; CvMat* pFrameMat = NULL; CvMat* pFrMat = NULL; CvMat* pBkMat = NULL; CvCapture* pCapture = NULL; int nFrmNum = 0; //创建窗口 cvNamedWindow("video", 1); cvNamedWindow("background",1); cvNamedWindow("foreground",1); //使窗口有序排列 cvMoveWindow("video", 30, 0); cvMoveWindow("background", 360, 0); cvMoveWindow("foreground", 690, 0);if( argc > 2 ) { fprintf(stderr, "Usage: bkgrd [video_file_name]\n"); return -1; } //打开摄像头 if (argc ==1) if( !(pCapture = cvCaptureFromCAM(-1))) { fprintf(stderr, "Can not open camera.\n"); return -2; } //打开视频文件 if(argc == 2) if( !(pCapture = cvCaptureFromFile(argv[1]))) { fprintf(stderr, "Can not open video file %s\n", argv[1]); return -2; } //逐帧读取视频 while(pFrame = cvQueryFrame( pCapture )) { nFrmNum++; //如果是第一帧，需要申请内存，并初始化 if(nFrmNum == 1) { pBkImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,1); pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,1); pBkMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1); pFrMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1); pFrameMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1); //转化成单通道图像再处理 cvCvtColor(pFrame, pBkImg, CV_BGR2GRAY); cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY); cvConvert(pFrImg, pFrameMat); cvConvert(pFrImg, pFrMat); cvConvert(pFrImg, pBkMat); } else { cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY); cvConvert(pFrImg, pFrameMat); //高斯滤波先，以平滑图像 //cvSmooth(pFrameMat, pFrameMat, CV_GAUSSIAN, 3, 0, 0); //当前帧跟背景图相减 cvAbsDiff(pFrameMat, pBkMat, pFrMat); //二值化前景图 cvThreshold(pFrMat, pFrImg, 60, 255.0, CV_THRESH_BINARY); //进行形态学滤波，去掉噪音 //cvErode(pFrImg, pFrImg, 0, 1); //cvDilate(pFrImg, pFrImg, 0, 1); //更新背景 cvRunningAvg(pFrameMat, pBkMat, 0.003, 0); //将背景转化为图像格式，用以显示 cvConvert(pBkMat, pBkImg); //显示图像 cvShowImage("video", pFrame); cvShowImage("background", pBkImg); cvShowImage("foreground", pFrImg); //如果有按键事件，则跳出循环 //此等待也为cvShowImage函数提供时间完成显示 //等待时间可以根据CPU速度调整 if( cvWaitKey(2) >= 0 ) break;} }//销毁窗口 cvDestroyWindow("video"); cvDestroyWindow("background"); cvDestroyWindow("foreground"); //释放图像和矩阵 cvReleaseImage(&pFrImg); cvReleaseImage(&pBkImg); cvReleaseMat(&pFrameMat); cvReleaseMat(&pFrMat); cvReleaseMat(&pBkMat); cvReleaseCapture(&pCapture); return 0;}