matlab怎样运动目标的检测

function vu = get_mask()//定义函数VU

bg = imread('tu\\131jpg');//读入131jpg

bg = rgb2gray(bg);//将转换为灰度图像

bg = im2bw(bg, graythresh(bg));//再转换为二值图，阈值是对灰度图像用最大类间方差法得到的

Img = imread('tu\\1jpg');//读入1JPG

I = rgb2gray(Img);//转换为灰度图

I = im2bw(I, graythresh(I));//转换为二值图

bw = I;//

L = bwlabel(I);//从黑背景甄别白块，返回和I相同大小的图像L

stats = regionprops(L, 'Area');//统计被标记白块的区域的总面积

Ar = cat(1, statsArea);//按列连接矩阵

[mr, ind] = max(Ar);//找到Ar中那些最大值的索引位置，将他们放在向量ind中

I(L~=ind) = 0;//I中L与ind不相等的位置赋值为零

vu = imfill(I, 'holes');//将原图填充孔洞

在cnki上下篇kalman目标跟踪的硕士论文吧，很多的，当然期刊也可以，不过一般情况下硕士论文讲的能详细点，然后找准一篇仔细研读，这样子基本上理论就没啥问题了，编程就用MATLAB，用C很麻烦，很多算法都没有得自己从头编，matlab集成了很多的算法的，只要找出来调用就行了。

这里给你说下kalman跟踪的思路吧：

0如果你的视频是实际录得话，为防止检测到伪目标，首先要对输入的图像进行滤波，简单的有中值均值滤波。

1对视频序列采用背景差分或帧间差分就可以得到运动区域了，这里重点就是背景建模，如果嫌麻烦也就别看什么单高斯或多高斯的了，直接找一个空帧(没有运动目标)当背景就OK了，差分后就有了运动区域，然后二值化方便以后的处理。然后视有没有阴影而进行阴影去除的工作。

2上边这步也就是检测出了运动区域，按你的检测出来是要给边边画圈，这个在matlab上好好研究研究怎样提取目标边缘的点，在原位图图上把边缘的点改变成一个同像素值就行了，这样检测就完了。

3跟踪，首先得找到目标的中心，因为目标不只是一个像素，必须有一个中心来表示它的坐标位置，这个方法自己想啦，什么取均值求外接矩形中心啊都可以的，然后每一帧都这么做就有一系列的中心坐标了。

4Kalman，Kalman的作用还是以滤波为主，相当于把第三步的那些坐标都当成信号序列，用Kalman滤波，边检测边滤波，kalman主要记住那5个公式，知道它的递推过程就基本能编出来了，至于滤波器参数就在参考文献里找吧，编出来kalman部分的程序没多少行的，别怕。

5如果是多目标跟踪的话就进行目标匹配的工作，相当于每帧都检测出两个目标，你要知道最新一帧中的每个分别对应的是前边帧的哪个目标。

上边这些给你一个大体的思路，你根据自己的任务选择做哪些工作，这个题目不难的，要有信心

videoObj = VideoReader('renavi');%读视频文件,存入变量videoObj中

nframes = get(videoObj, 'NumberOfFrames');%获取视频文件的帧数

for k = 1 : nframes %for循环，读取每一帧

currentFrame = read(videoObj, k);%读取第i帧

subplot(1,2,1);%创建图像显示窗口并获取第一个窗口

imshow(currentFrame); %显示一帧

c1 = rgb2gray(currentFrame);%灰度化

grayFrame=medfilt2(c1,[3 3]);%中值滤波

if(k==1)%如是第一帧，则：

grayFrame_1 = grayFrame;%把第一帧灰图存入变量grayFrame_1中，如不是第一帧，则执行下句

end

difgrayFrame= grayFrame - grayFrame_1;%邻帧差，计算后面的帧与第一帧的差

subplot(1,2,2);%画第二个子图

imshow(difgrayFrame);%显示差图

grayFrame_1 = grayFrame;%更新第一灰图的内容

pause(00001);%暂停00001秒

end

%这个问题我已经回答过了，下面是我以前的回复

clear

N=200;%取200个数

w(1)=0;

w=randn(1,N);%产生一个1×N的行向量，第一个数为0，w为过程噪声（其和后边的v在卡尔曼理论里均为高斯白噪声）

x(1)=0;%状态x初始值

a=1;%a为状态转移阵，此程序简单起见取1

for k=2:N

x(k)=ax(k-1)+w(k-1); %系统状态方程，k时刻的状态等于k-1时刻状态乘以状态转移阵加噪声（此处忽略了系统的控制量）

end

V=randn(1,N);%测量噪声

q1=std(V);

Rvv=q1^2;

q2=std(x);

Rxx=q2^2; %此方程未用到Rxx

q3=std(w);

Rww=q3^2; %Rvv、Rww分别为过程噪声和测量噪声的协方差(此方程只取一组数方差与协方差相同)

c=02;

Y=cx+V;%量测方差，c为量测矩阵，同a简化取为一个数

p(1)=0;%初始最优化估计协方差

s(1)=0;%s(1)表示为初始最优化估计

for t=2:N

p1(t)=a^2p(t-1)+Rww;%p1为一步估计的协方差，此式从t-1时刻最优化估计s的协方差得到t-1时刻到t时刻一步估计的协方差

b(t)=cp1(t)/(c^2p1(t)+Rvv);%b为卡尔曼增益，其意义表示为状态误差的协方差与量测误差的协方差之比(个人见解)

s(t)=as(t-1)+b(t)(Y(t)-acs(t-1));%Y(t)-acs(t-1)称之为新息，是观测值与一步估计得到的观测值之差，此式由上一时刻状态的最优化估计s(t-1)得到当前时刻的最优化估计s(t)

p(t)=p1(t)-cb(t)p1(t);%此式由一步估计的协方差得到此时刻最优化估计的协方差

end

t=1:N;

plot(t,s,'r',t,Y,'g',t,x,'b');%作图，红色为卡尔曼滤波，绿色为量测，蓝色为状态

%整体来说，此卡尔曼程序就是一个循环迭代的过程，给出初始的状态x和协方差p，得到下一时刻的x和p，循环带入可得到一系列的最优的状态估计值，此方法通常用于目标跟踪和定位。

%本人研究方向与此有关，有兴趣可以交流下

通过CMOS设置实现定时开机的设置过程如下：首先进入“CMOS SETUP”程序(大多数主板是在计算机启动时按DEL键进入)；然后将光条移到“Power Management Setup”选项上，回车进入其子菜单；再将“Resume by Alarm”项设置成“Enabled”，并在“Date(of Month)Alarm”项中设置每月开机日期(0表示每天，1表示每月1日，2表示每月2日，……)，在“Time(hh:mm:ss)Alarm”项中设置开机时间；最后保存设置，重新启动，当关闭计算机后，你的计算机将在你规定的时刻自动启动。

注意：1计算机主板必须有“Resume by Alarm”功能才能实现定时开机；2要实现定时正常开机，必须取消开机Password功能；3最关键的一点是要接通主机电源。

跟踪是一个很混乱的方向。

比如TLD、CT、Struct这些效果不错的Tracker其实都不是单纯的Tracker了。09年的时候我记得比较流行的是Particle Filtering， 或者一些MeanShift/CamShift的变形，比如特征变了，比如对问题的假设变了。

后来突然出现一些tracking by detection的方法，之前的很多朋友就觉得这是耍流氓。比如TLD，严格的跟踪算法也许只是里面的Forward/Backward Opitcal Flow的部分，但是效果很Impressive，所以不管怎样，一下就火了。

之后所谓的跟踪就不再是一个传统的跟踪问题，而是一个综合的工程问题。online learning，random projection ，sparse learning的东西都加进来，大家其实到底是在做跟踪还是在做检测或者online learning，其实已经不重要，因为衡量的标准是你在某些public dataset上的精度。

但这些对实际的项目有没有帮助呢？

这是个很有意思的地方，在很多时候，我们之所以需要跟踪算法，是因为我们的检测算法很慢，跟踪很快。基本上当前排名前几的跟踪算法都很难用在这样的情况下，因为你实际的速度已经太慢了，比如TLD，CT，还有Struct，如果目标超过十个，基本上就炸了。况且还有些跟踪算法自己drift掉了也不知道，比如第一版本的CT是无法处理drift的问题的，TLD是可以的，究其原因还是因为检测算法比较鲁棒啊……

实际中我觉得速度极快，实现也简单的纯跟踪算法居然是NCC和Overlap。

NCC很简单，这个是对点进行的，对于区域也有很多变种，网上有一些相关的资源。

Overlap是我取的名字，一般用在里面，假如你的摄像头是静止的，背景建模之后出来的前景可以是一个一个的blob，对相邻两帧的blob检测是否Overlap就可以得到track。在一些真实场景下，这个算法是非常有效的。关于背景template的问题在真实的里面也是很好解决的。

坐在电脑前面调试代码tuning 各种阈值让跟踪算法在某一个帧下面不要drift的事情我是再也不想干了。

顺祝你2015幸福快乐。

以上就是关于matlab怎样运动目标的检测全部的内容，包括:matlab怎样运动目标的检测、基于卡尔曼滤波的目标跟踪怎么做、求助！哪位大神可以给我解释一下matlab程序啊，关于运动目标检测的等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！