功能obj = setupsystemobjects（）％初始化视频I / O.％创建用于从文件读取视频的对象，绘制跟踪每帧中的％对象，并播放视频。％创建视频阅读器。obj.reader = Videoreader（'itrium.mp4'）;％创建两个视频播放器，一个用于显示视频，％和一个显示前景掩码。obj.maskplayer = Vision.videoplayer（'位置'，[740,400,700,400]）;obj.videoplayer = Vision.videoplayer（'位置'，[20,400,700,400]）;％为前台检测和BLOB分析创建系统对象％前景探测器用于将移动物体分段％ 背景。它输出二进制掩码，其中像素值1的％值对应于前景，值0对应％到背景。obj.detector = Vision.ForeCloundDetector（'numgaussians'，3，......'numtringframes'，40，'最小背景'，0.7）;％连接的前景像素组可能对应于移动％对象。blob分析系统对象用于查找这些组％（称为'blobs'或'连接的组件'），并计算它们％特征，如区域，质心和边界框。obj.blobanalyser = Vision.BlobanAlysis（'bandingboxoutputport'， 真的，......'AreaOutputport'， 真的，'centroidoutputport'， 真的，......'MiniplingBlobarea'，400）;结尾

功能曲目= initializetracks（）％创建一个空的曲目数组tracks = struct（......'ID'，{}，......'bbox'，{}，......'kalmanfilter'，{}，......'年龄'，{}，......'totalvisiblecount'，{}，......'沟圈visiblecount'，{}）;结尾

功能[质心，虚拟机，掩码] =探测器（帧）％检测前景。mask = obj.detector.step（帧）;％应用形态操作以消除噪音并填充孔。mask = imopen（面具，光线（'长方形'，[3,3]））;mask = imclose（面具，光线（'长方形'，[15,15]））;mask = Imfill（掩码，'洞'）;％执行blob分析以查找连接的组件。[〜，质心，bboxes] = obj.blobanalyser.step（mask）;结尾

功能predictnewlocationsoftracks（）为了i = 1：长度（曲目）bbox = track（i）.bbox;％预测轨道的当前位置。predgeedcentroid =预测（曲目（i）.kalmanfilter）;％换边框，以便其中心在％预测的位置。predgedcentroid = int32（预测中心） -  bbox（3：4）/ 2;曲目（i）.bbox = [predgeedcentroid，bbox（3：4）];结尾结尾

功能[作业，未分配的触发，未分配的detections] =......detectiontotrackassignment（）ntracks = length（曲目）;ndetections =尺寸（质心，1）;％计算为每个轨道分配每个检测的成本。成本=零（Ntracks，Ndetections）;为了i = 1：ntracks成本（i，:) =距离（曲目（i）.kalmanfilter，质心）;结尾％解决了分配问题。costofnonassignment = 20;[作业，未分配的触发，未分配的detections] =......DisplayDetectionStotracks（成本，CostofNoSasnamment）;结尾

功能updateassignedtracks（）numassignedtracks = size（分配，1）;为了i = 1：numassignedtracks trackIDX =作业（i，1）;DetectionIdx =赋值（I，2）;Centroid =质心（DetectionIdX，:);bbox = bboxes（detectionIdx，:);％校正对象位置的估计％使用新检测。正确（曲目（TrackIDX）.kalmanfilter，质心）;％替换预测的边界框检测到％边界框。曲目（trackIDX）.bbox = bbox;％更新曲目的年龄。曲目（trackIDX）.age =曲目（trackIDX）.age + 1;％更新可见性。曲目（TrackIDX）.totalvisiblecount =......曲目（TrackIDX）.totalvisiblecount + 1;曲目（trackIDX）.consechutivevisiblecount = 0;结尾结尾

功能updateUnassignedTracks（）为了i = 1：长度（UnassignedTracks）Ind = UnassignedTracks（i）;曲目（IND）.age =曲目（IND）.age + 1;曲目（IND）.consechutiveInvisiBlecount =......曲目（ind）.consechutivevisiblecount + 1;结尾结尾

功能deletelosttracks（）如果Isempty（轨道）返回;结尾InvisibleFortoolong = 20;Agethreshold = 8;％计算曲目年龄的分数，它是可见的。年龄= [曲目（:)。年龄];totalvisiblecounts = [tracks（:)。totalvisiblecount];可见性= TotalVisiBlecounts ./年代;％找到“丢失”轨道的指标。dosinds =（年龄......[曲目（:)。consechutiveInvisiblecount]> = invisiblefortoolong;％删除丢失的曲目。曲目=曲目（〜distinds）;结尾

功能createNewtracks（）心针=质心（未分配的DETECTESS，:);bboxes = bboxes（未分配的ddetections，:);为了i = 1：大小（质心，1）Centroid =质心（我，:);bbox = bboxes（i，:);％创建一个Kalman过滤器对象。kalmanfilter = configurekalmanfilter（'constantvelocity'那......质心，[200,50]，[100,25]，100）;％创建一个新曲目。newtrack = struct（......'ID'，nextid，......'bbox'，bbox，......'kalmanfilter'，kalmanfilter，......'年龄'，1，......'totalvisiblecount'，1，......'沟圈visiblecount'，0）;％将其添加到轨道数组中。曲目（结束+ 1）= NewTrack;％递增下一个ID。nextid = Nextid + 1;结尾结尾

功能displaytrackingresults（）％将帧和蒙版转换为UINT8 RGB。框架= IM2UINT8（帧）;蒙版= UINT8（REPMAT（掩码，[1,1,3]））。* 255;minvisiblecount = 8;如果〜Isempty（轨道）％嘈杂的检测往往会导致短暂的轨道。％仅显示超过的曲目超过％最小帧数。ReliacBletrackinds =......[曲目（:)。totalvisiblecount]> minvisiblecount;Reliablezracks =曲目（Reliablezrackinds）;％显示对象。如果未检测到对象％在此帧中，显示其预测的边界框。如果〜Isempty（Reliablezracks）％获取边界框。Bboxes = Cat（1，Reliablezracks.Bbox）;％获得ID。IDS = INT32（[ReliaBlezracks（:)。ID]）;％为指示oble的对象创建标签我们显示预测而不是实际的％％ 地点。标签= CELLSTR（INT2STR（IDS'））;predictedtrackinds =......[ReliaBlezracks（:)。贪婪invisiblecount]> 0;ispredicred = cell（大小（标签））;ispreedicred（predictedtrackinds）= {' 预料到的'};标签= Strcat（标签，缺失）;％绘制框架上的对象。Frame = InsertObjectAnnotation（帧，'长方形'那......Bboxes，标签）;％绘制掩码上的对象。mask = InsertObjectAnnotation（掩码，'长方形'那......Bboxes，标签）;结尾结尾％显示掩码和框架。obj.maskplayer.step（mask）;obj.videoplayer.step（框架）;结尾

结尾