基于帧差法的运动目标检测程序matlab

基于matlab的运动目标检测程序采用帧差法自带视频源。

clear
clc
new_floder=‘C:\Users\yuanzhao\Desktop\视频帧‘;
mkdir（new_floder）;
obj=VideoReader（‘道路监控视频 - 百度.mp4‘）;
numframes=obj.NumberOfframes; 
for i=1:166
    frame=read（obji）;
    imwrite（framestrcat（ [ ‘C:\Users\yuanzhao\Desktop\视频帧\car （‘int2str（i）‘）.jpg‘]））;
end%%  从视频中提出每一帧图像

nStar = 1;
nNUM = 166;
n=1;
Background = double（ rgb2gray（imread（ [ ‘C:\Users\yuanzhao\Desktop\视频帧\car （‘int2str（nStar）‘）.jpg‘]） ））;%第一帧当做初始背景
% 背景更新过程
for k = nStar+1 :10: nNUM
    CurrentImage =double（rgb2gray（imread（ [ ‘C:\Users\yuanzhao\Desktop\视频帧\car （‘int2str（k）‘）.jpg‘] ）））; % 当前帧
    FormerImage =double（rgb2gray（imread（ [ ‘C:\Users\yuanzhao\Desktop\视频帧\car （‘int2str（k-1）‘）.jpg‘] ）））; % 前一帧
    ID =uint8（abs（ CurrentImage - FormerImage ））;    % 帧间差分
    %  选择阈值
    T=yuzhi（ID）; %迭代法计算二值化阈值，比较耗时
    BW = im2bw（IDT/255）;
    % 更新背景
    alpha = 0.1; %背景更新的速度
    CurrentBack = Background.*BW + （ alpha.* CurrentImage + （ 1-alpha ）.* Background ）.*（ 1 -BW ）;%前后两帧有变化的区域不更新，无变化的区域更新到背景中去
    Background = CurrentBack;%背景更新完毕
    Cut=abs（CurrentImage-Background）;%前景与背景差分
    Cut=uint8（Cut）;
    Tcut=yuzhi（Cut）;%迭代法计算二值化阈值，比较耗时
    BWCut=im2bw（CutTcut/255）;%差分后的图像进行二值化
    SE=[1 1 1;1 1 1;1 1 1];%结构元素
    BWCutero=imerode（BWCutSE）;%对二值图像进行腐蚀，以消除微小变动的区域
    BWCuterodil = bwmorph（BWCutero‘dilate‘3）;%膨胀
    figure（n）imshow（BWCuterodil）title（‘差分后的二值化图像‘）
    n=n+1;
    figure（n）imshow（imread（ [ ‘C:\Users\yuanzhao\Desktop\视频帧\car （‘int2str（k）‘）.jpg‘] ））
    n=n+1;
    [Lnm] = bwlabel（BWCuterodil8）;%找出图像中的八连通区域，视为车辆所在的区域
    for i = 1:nm 
        [rc] = find（L == i）; 
        left= min（c）; 
        right= max（c）; 
        top= min（r）; 
        buttom= max（r）; 
        width=right - left + 1; 
        height = buttom - top + 1;
        rectangle（‘Position‘[lefttopwidthheight]‘EdgeColor‘‘r‘）;%对车辆用矩形标记
pause（0.01）;
    end
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      31119  2018-12-05 19:35  视频帧\car （1）.jpg

     文件      30387  2018-12-05 19:35  视频帧\car （10）.jpg

     文件      32589  2018-12-05 19:35  视频帧\car （100）.jpg

     文件      32582  2018-12-05 19:35  视频帧\car （101）.jpg

     文件      32494  2018-12-05 19:35  视频帧\car （102）.jpg

     文件      32341  2018-12-05 19:35  视频帧\car （103）.jpg

     文件      32234  2018-12-05 19:35  视频帧\car （104）.jpg

     文件      32173  2018-12-05 19:35  视频帧\car （105）.jpg

     文件      32112  2018-12-05 19:35  视频帧\car （106）.jpg

     文件      32083  2018-12-05 19:35  视频帧\car （107）.jpg

     文件      31868  2018-12-05 19:35  视频帧\car （108）.jpg

     文件      31796  2018-12-05 19:35  视频帧\car （109）.jpg

     文件      30348  2018-12-05 19:35  视频帧\car （11）.jpg

     文件      31599  2018-12-05 19:35  视频帧\car （110）.jpg

     文件      31529  2018-12-05 19:35  视频帧\car （111）.jpg

     文件      31465  2018-12-05 19:35  视频帧\car （112）.jpg

     文件      31495  2018-12-05 19:35  视频帧\car （113）.jpg

     文件      31392  2018-12-05 19:35  视频帧\car （114）.jpg

     文件      31432  2018-12-05 19:35  视频帧\car （115）.jpg

     文件      31446  2018-12-05 19:35  视频帧\car （116）.jpg

     文件      31546  2018-12-05 19:35  视频帧\car （117）.jpg

     文件      31537  2018-12-05 19:35  视频帧\car （118）.jpg

     文件      31584  2018-12-05 19:35  视频帧\car （119）.jpg

     文件      30334  2018-12-05 19:35  视频帧\car （12）.jpg

     文件      31678  2018-12-05 19:35  视频帧\car （120）.jpg

     文件      31668  2018-12-05 19:35  视频帧\car （121）.jpg

     文件      31670  2018-12-05 19:35  视频帧\car （122）.jpg

     文件      32035  2018-12-05 19:35  视频帧\car （123）.jpg

     文件      32162  2018-12-05 19:35  视频帧\car （124）.jpg

     文件      32287  2018-12-05 19:35  视频帧\car （125）.jpg

............此处省略144个文件信息