基于canny算子和光流法的运动目标检测

运动目标检测在计算机视觉，图像处理，模式识别等多领域有着广泛的应用，经历了多年的研究和探索，针对运动目标检测的算法层出不穷，我们也积累了许多相关的算法。但是我们还远没有完成对这个充满挑战的领域的探索。本文对运动目标检测的技术进行了一定的研究，实现了基于canny算子和光流法相结合的运动目标检测方法。为了能够准确把握这个行业的动态，本文首先介绍了运动目标检测的三大经典方法：背景相减法，帧差法，光流法。同时比较了各自的优缺点。帧差法具有易实现，计算量小的优点，但是却无法准确的检测出运动目标的完整轮廓。光流法具有对不断运动的运动目标进行目标检测，但是它却有很大的计算量，同时对噪声也比较敏感。为了可以对运动目标进行更好的识别，我们提出了边缘检测算子与光流法相结合的新方法。在对多种边缘检测算子进行了了解之后，我们确定了利用canny算子进行边缘检测，并且结合光流法进行运动目标检测的方法。在用canny算子检测出运动物体边缘之后，借助光流法计算出物体的运动场，同时结合最大类间方差法分辨出运动目标和背景，接着将物体的边缘信息和物体的运动信息进行融合，最后运用数学形态学的方法对结果进行处理，得到最终的运动目标。通过实验，我们发现该方法既克服了帧差法不能准确检测出运动物体轮廓，和光流法抗噪声能力差的缺点，可以准确检测运动目标，对运动目标具有更好的检测效果

clear all
videofile=‘people.avi‘;%读取视频文件
%videofile=‘carreco.avi‘;
%videofile=‘viptraffic.avi‘;
info=mmfileinfo（videofile）;%获取视频文件信息
cols=info.Video.Width;%列数
rows=info.Video.Height;%行数
%创建视频对象，读取视频文件
hreader=vision.VideoFileReader（videofile‘ImageColorSpace‘‘RGB‘‘VideoOutputDataType‘‘single‘）;
%创建光流对象用于检测运动方向和速度
hflow=vision.OpticalFlow（‘OutputValue‘‘Horizontal and vertical components in complex form‘‘ReferenceframeDelay‘3‘Method‘‘Horn-Schunck‘）;
%创建两个均值对象，用于分析光流矢量
hmean1=vision.Mean;
hmean2=vision.Mean（‘RunningMean‘true）;
%创建均值滤波对象
hfilter=vision.MedianFilter;
%创建形态学关闭对象，填充分割以后的汽车空洞
hclose=vision.MorphologicalClose（‘Neighborhood‘strel（‘line‘545））;
%创建BLOB分析对象，用于从视频中分割汽车
hblob=vision.BlobAnalysis;
hblob.CentroidOutputPort=false; 
hblob.AreaOutputPort=true;
hblob.BoundingBoxOutputPort=true;
hblob.OutputDataType=‘double‘;
hblob.MinimumBlobArea=250;
hblob.MaximumBlobArea=3600;
hblob.MaximumCount=80;
%创建形态学腐蚀对象，移除不需要的对象
herode=vision.MorphologicalErode（‘Neighborhood‘strel（‘square‘2））;
%创建形状嵌入对象，在视频中添加形状，框出汽车边界。
hshape1=vision.ShapeInserter（‘BorderColor‘‘Custom‘‘CustomBorderColor‘[0 1 0]）;
hshape2=vision.ShapeInserter（‘Shape‘‘Lines‘‘BorderColor‘‘Custom‘‘CustomBorderColor‘[255 255 0]）;
htext=vision.TextInserter（‘Text‘‘%4d‘‘Location‘[1 1]‘Color‘[1 1 1]‘FontSize‘12）;
sz=get（0‘ScreenSize‘）;
pos=[（sz（3）-4*（cols+75））/2 （sz（4）-rows）/2 cols+60 rows+80];
hvideo1=vision.VideoPlayer（‘Name‘‘Original Video‘‘Position‘pos）;
%psos（1）=pos（1）+cols+5;
psos（1）=pos（1）+cols+15;%行数加上15个像素，实际上那个是在进行平移
hvideo2=vision.VideoPlayer（‘Name‘‘Motion Vector‘‘Position‘pos）;
pos（1）=pos（1）+cols+15;
hvideo3=vision.VideoPlayer（‘Name‘‘Thresholded Video‘‘Position‘pos）;
pos（1）=pos（1）+cols+15;
hvideo4=vision.VideoPlayer（‘Name‘‘Result Video‘‘Position‘pos）;

%从视频中检测追踪汽车
%显示光流矢量像素点
[xposypos]=meshgrid（1:5:cols1:5:rows）;%grid 网格，坐标方格
xpos=xpos（:）;
ypos=ypos（:）;
locs=sub2ind（[rowscols]yposxpos）;

%循环处理视频每一帧，直到文件结束
while ~isDone（hreader）
    pause（0.3）;
frame=step（hreader）;
gray=rgb2gray（frame）;

%计算光流场矢量，返回一个复数矩阵，分别代表每个像素点的U，V
%光流基本方程，dit（I）+It=0;
flow=step（hflowgray）;%就算阶跃响应，实际上是在计算光流失量
%绘制光流图系统默认每隔5行5列选择一个像素点，绘制他的光流图，20表示将光流幅值放大20倍，lines 每行对应一条曲线，
lines=[xposyposxpos+20*real（flow（locs））ypos+20*imag（flow（locs））];
%将光流矢量添加到视频帧上
vector=step（hshape2framelines）;%实际上就是求取一个阶跃响应
magnitude=flow.*conj（flow）;%conj求取复数的共轭
threshold=0.5*step（hmean2step（hmean2magnitude））;
carobj=step（hfiltermagnitude>=threshold）;
carobj=step（hclosestep（herodecarobj））;
[areabbox]=step（hblobcarobj）;
grow=30;
idx=bbox（:1）>grow;
ratio=zeros（length（idx）1）;
ratio（idx）=single（area（idx1））./single（bbox（idx3）.*bbox（idx4））;
flag=ratio>0.45;

count=int32（sum（flag））;
%count=count+1;
%bbox（~flag:）=int32（-1）;
result=step（hshape1framebbox）;
result（grow:grow+1::）=1;
result（1:151:30:）=0;
result=step（htextresultcount）;

%显示处理结果
step（hvideo1frame）;
step（hvideo2vector）;
step（hvideo3car

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-10-10 15:39  源码\
     文件        3441  2016-05-23 14:56  源码\optical.m
     目录           0  2018-10-10 15:39  演示\
     文件    16820240  2016-05-16 11:04  演示\9420.exe
     文件          64  2018-10-10 16:34  说明.txt
     目录           0  2018-10-10 15:38  需求\
     文件       45568  2018-10-12 13:38  需求\4-毕业论文（设计）任务书 -基于canny算子和光流法的运动目标检测算法实现.doc