基于MATLAB的视频运动目标检测识别

一、课题介绍

视频图像处理技术广泛用于工业、安全、医疗、管理等领域。运动目标的检测和跟踪是图像处理技术在视频序列图像处理方面的一个重要应用，在航天、交通、机器人视觉、视频监控、公共场所客流数据监测等场合发挥着重要作用。

本文介绍了一种基于MATLAB的简易的从视频播放的帧图像中找出目标图像，并进行视频跟踪的实现方法。通过对图像进行阈值处理（图像分割），再对分割后的图像求取形心，以对目标图像进行定位，并最后找到各幅帧图像的目标位置的方法，从而实现对100帧视频图像的实时跟踪。

二、识别过程

100帧视频图像的读取

由于视频是由100帧图像通过连续播放从而达到视频的效果的，所以要达到视频放映的效果，应首先对100帧图像序列进行顺序读取。100帧图像存储在MATLAB的默认路径中，文件名为00000xxx.bmp。要达到读取它们的目的，需要使用循环算法。算法由一个名为read_seqim(i)的函数实现，以下是函数的源程序：

function I=read_seqim(i)

if nargin==0

i=1;min=00000001;

end

name=num2str(i);

if i<=9

min=strcat('0000000',name,'.bmp');

elseif i<=99

min=strcat('000000',name,'.bmp');

else

min=strcat('00000',name,'.bmp');

end

I=imread(min);

其中i为读取图像的序号，通过以上的函数可以很方便的实现对100帧图像中任意一帧的读取，从而为后面的处理提供方便。

图像的阈值处理（图像分割）

阈值(Threshold)，也叫门限。阈值化(Thresholding),即按给定阈值进行图像的二值化处理。阈值分割法可分为以下几种：

(1)简单阈值分割法;

(2)多阈值分割法;

(3)最大类间方差法;

(4)最佳阈值法。

许多情况，图像是由具有不同灰度级的几类区域组成。如文字与纸张、地物与云层（航空照片）等，阈值分割是利用同一区域的具有某种共同灰度特性进行分割。而用阈值分割法分割图像就是选取一个适当的灰度阈值，然后将图像中的每个像素和它进行比较，将灰度值超过阈值的点和低于阈值的点分别指定一个灰度值，就可以得到分割后的二值图像，此时目标和背景已经得到了分割。阈值分割法简单，快速，特别适用于灰度和背景占据不同灰度级范围的图像。这里我们使用多阈值分割法。

多阈值分割法就是假设一幅图像包含两个以上的不同类型的区域，可以使用几个门限来分割图象。分割函数如下：