基于卡尔曼滤波的视频人脸跟踪MATLAB源码

采用Viola-Jones检测器和卡尔曼滤波，实现了对视频中人脸的特征跟踪功能。程序由两大部分组成，分别是人脸区域的检测和人脸区域的跟踪。人脸区域的检测主要包括：判断当前帧是否存在人脸区域，以及基于Haar-like特征的人脸区域位置检测；人脸区域的跟踪主要包括：利用卡尔曼滤波对当前帧人脸区域的预测跟踪，以及利用检测值对人脸区域进行修正。本文使用的是Matlab2014b版本。

clear;
clc;

if ~exist（‘result‘）
    mkdir（‘result‘）;
end

% Kalman filter initialization
%[p_xp_yv_xv_y]  
% Si+1 = Ai*Si + ni
% xi = Hi*Si + mi
dt=1;
A=[10dt0;010dt;0010;0001]; 
H=[1000;0100];
P = 100*eye（4）; %状态向量协方差
Q=0.01*eye（4）; %系统动态噪声
R=[[0.28450.0045]‘[0.00450.0455]‘]; %观测噪声
KF_Init_flag = 1;

% VideoName = ‘move2.MOV‘;%待检测视频的文件名
VideoName = ‘video\HBY09.mov‘;%待检测视频的文件名
faceDetector = vision.CascadeobjectDetector（）;
videoReader = vision.VideoFileReader（VideoName）;
obj_writer = VideoWriter（‘result\FaceTracker.avi‘）;
open（obj_writer）;
obj = VideoReader（VideoName）;
TotalframeNum = obj.NumberOfframes;
error = zeros（1TotalframeNum）;
Predeict_center = zeros（TotalframeNum2）;
Poster_center = zeros（TotalframeNum2）;
clear obj;
k =1;
while ~isDone（videoReader）
    if KF_Init_flag==1 %根据上一帧判断跟踪目标是丢失
        videoframe  = step（videoReader）;
        bboxs = step（faceDetectorvideoframe）;
        bboxs_area = bboxs（:3）.*bboxs（:4）;
        [bbox_areaindex] = sort（bboxs_area‘Descend‘）;
        Predict_box = [];
        if ~isempty（bbox_area）
            if bbox_area（1）<12000
               bbox = [];               
            else
               bbox = bboxs（index（1）:）;
               box_size = bbox（3:4）;%后验测量
               State = [bbox（1:2）+bbox（3:4）00]‘;
               KF_Init_flag =0;
            end
        else
            bbox = [];            
        end
    else  %若上一帧判断跟踪目标没有丢失，则对跟踪目标在本帧的位置进行预测（先验）
        State = A * State;
        Predict_box = [State（1:2）‘-box_size/2box_size];
        %检查是否出界
        if Predict_box（1）> size（videoframe2）|| Predict_box（2）> size（videoframe1）
            Predict_box = [];
        else
            if Predict_box（1）<0
               Predict_box（1） = 0; 
            end
            if Predict_box（2）<0
                Predict_box（2） = 0;
            end
            if Predict_box（1） + Predict_box（3） > size（videoframe2）
                Predict_box（3） = size（videoframe2） - Predict_box（1）;
            end
            if Predict_box（2） + Predict_box（4） > size（videoframe1）
                Predict_box（4） = size（videoframe1） - Predict_box（2）;
            end
        end
        %根据对运动目标的观测值对状态向量进行修正更新（后验）
        videoframe  = step（videoReader）;