混合高斯建模加meanshift算法matlab代码视频目标跟踪

    %///////////////////////////////////////////////////////////////////////////////////////////%
    close all;
    clear all;
    %% 使用在线k均值的算法实现混合高斯模型参数的初始化

    % -----------------------  利用训练视频序列初始化高斯模型参数 ----------------
    clear;
    clc;
    trainsequence = 80;                                                        % 训练视频序列的帧数
    distance = 10;                                                              % 间隔选取图像，避免物体运动太慢的情况发生
    thresh    = 15;                                                            % 用于选定的各样本与聚类中心均值的做大误差

    % 高斯模型的一些相关参数

    test_start = 1;

    delta = 2.5*3;                                                
    alfa  = 0.001;
    sigma = 6;
    maxK  = 4;
    TH    = 0.25;

    movFile =  ‘F:\Infrared video pedestrian detection\testcap\testcap4\test.avi‘;
    video = mmreader（movFile）;
    fileinfo = aviinfo（movFile）;
    nframe = fileinfo.Numframes;
    test_sequence = nframe;
    % 初始化parameters的相关参数
    % name       = sprintf（‘%d.jpg‘1）;
    % File_name=‘E:\数据库\视频1\4_1Data\‘;
    % str = int2str（0001）;
    % name = strcat（File_namestr‘.jpg‘）;%
    % first_im   = double（imread（name））;                                         % 务必要将数据转化成double型数据，以便下面计算
    mov = read（video1）;
    first_im = double（mov）;
    height     = size（first_im1）;
    width      = size（first_im2）;
    parameter  = cell（heightwidth）;                                           % 混合高斯模型的参数

    t1 = clock;

    for i = 1:height

        for j = 1:width
            x = （first_im（ij1）+first_im（ij2）+first_im（ij3））/3;
            parameter{ij} = （[xfirst_im（ij1）first_im（ij2）first_im（ij3）01]）;     
                                                                               % 该矩阵的第一列为灰度均值，第二列到第四列为对应的RGB值第五列为方差（sigma的平方）
                                                                               % 第六列为与之对应的样本数量
                                                                               % 当出现新的聚类时新添加一行，每列对应第一行的数据格式                                                          
        end    
    end

    % ------------------------- 在线k均值聚类 ----------------------------------

    for frame = 2:distance:trainsequence    

        % 读入视频序列中的一幅新图像
    %     File_name=‘E:\数据库\视频1\4_1Data\‘;
    %     str = int2str（frame）;
    %     name = strcat（File_namestr‘.jpg‘）;%
    % %     name          = sprintf（‘%d.jpg‘frame）;
    %     new           = double（imread（name））;
     mov = read（videoframe）;
     new = double（mov）;

        % 对新读入的图像的像素值归类

        for i = 1:height
            for j = 1:width
                x = （new（ij1）+new（ij2）+new（ij3））/3;

                % 找到最近的聚类中心
                % -------------------------------------------------------------
                min_c     = abs（x - parameter{ij}（11））;
                min_no    = 1;

                if size（parameter{ij}1） >=2
                    for c = 2:size（parameter{ij}1）