RPCA的matlab实现

function multiobjectTracking（）
% 创建用于读取视频，检测运动物体的系统对象，
%显示结果。
obj = setupSystemobjects（）;

tracks = initializeTracks（）; % Create an empty array of tracks.

nextId = 1; % ID of the next track

% Detect moving objects and track them across video frames.
while ~isDone（obj.reader）
    frame = readframe（）;
    [centroids bboxes mask] = detectobjects（frame）;
    predictNewLocationsOfTracks（）;
    [assignments unassignedTracks unassignedDetections] = ...
        detectionToTrackAssignment（）;

    updateAssignedTracks（）;
    updateUnassignedTracks（）;
    deleteLostTracks（）;
    createNewTracks（）;

    displayTrackingResults（）;
end
function obj = setupSystemobjects（）
       % 初始化视频 I/O
        %创建对象用于读取视频  绘制每一帧的跟踪目标 播放视频
      

        % 创建视频读取器.
        obj.reader = vision.VideoFileReader（‘C:\Users\Traecherous\Documents\MATLAB\美赛模拟\Problem B Attch 1 static background video\airport\input.avi‘）;

        % 创建两个 视频播放窗口 一个用于播放视频
        % 一个用于播放前景掩模.
        obj.videoPlayer = vision.VideoPlayer（‘Position‘ [20 400 700 400]）;
        obj.maskPlayer = vision.VideoPlayer（‘Position‘ [740 400 700 400]）;
      
        %创建用于前景检测和斑点分析的系统对象
        
        % The foreground detector is used to segment moving objects from
        % the background. 它输出二值掩模 前景为1 背景为0.
        obj.detector = vision.ForegroundDetector（‘NumGaussians‘ 3 ...
            ‘NumTrainingframes‘ 5 ‘MinimumBackgroundRatio‘ 0.7）;

        % Connected groups of foreground pixels are likely to correspond to moving
        % objects.  The blob analysis System object is used to find such groups
        % （called ‘blobs‘ or ‘connected components‘） and compute their
        % characteristics such as area centroid and the bounding box.

        obj.blobAnalyser = vision.BlobAnalysis（‘BoundingBoxOutputPort‘ true ...
            ‘AreaOutputPort‘ true ‘CentroidOutputPort‘ true ...
            ‘MinimumBlobArea‘ 400）;
end
function tracks = initializeTracks（）
        % create an empty array of tracks
        tracks = struct（...
            ‘id‘ {} ...
            ‘bbox‘ {} ...
            ‘kalmanFilter‘ {} ...
            ‘age‘ {} ...
            ‘totalVisibleCount‘ {} ...
            ‘consecutiveInvisibleCount‘ {}）;
end
function frame = readframe（）
        frame = obj.reader.step（）;
end
    function [centroids bboxes mask] = detectobjects（frame）

        % Detect foreground.
        mask = obj.detector.step（frame）;

        % Apply morphological operations to 清除噪声 填补空洞.
        mask = imopen（mask strel（‘rectangle‘ [33]））;
        mask = imclose（mask strel（‘rectangle‘ [15 15]））;
        mask = imfill（mask ‘holes‘）;

        % 进行斑点分析 找到连接部件.
        [~ centroids bboxes] = obj.blobAnalyser.step（mask）;
    end
 function predictNewLocationsOfTracks（）
        for i = 1:length（tracks）
            bbox = tracks（i）.bbox;

              % 预测轨道当前位置.
            predictedCentroid = pred