主要内容
模式匹配
此示例显示如何使用二维归一化互相关进行模式匹配和目标跟踪。此示例使用预定义或用户指定的目标以及要跟踪的类似目标数。归一化互相关图显示，当值超过设定阈值时，将识别目标。
介绍
在本例中，您使用归一化互相关来跟踪视频中的目标模式。模式匹配算法包括以下步骤:
对输入的视频帧和模板进行缩小，以减少匹配算法所需的计算量。
在频域使用归一化互相关来寻找视频帧中的模板。
模式的位置是通过寻找最大的互相关值来确定的。
初始化参数并创建模板
初始化所需的变量，如互相关的阈值和高斯金字塔分解的分解级别。
阈值=单个（0.99）；级别=2；
准备一个视频文件读取器。
hVideoSrc = VideoReader (“vipboard.mp4”）;
指定要跟踪的目标图像和相似目标的数量。默认情况下，该示例使用一个预定义的目标，并找到至多2个类似的模式。您可以将变量useDefaultTarget设置为false，以指定一个新的目标和要匹配的类似目标的数量。
useDefaultTarget = true;[Img, numberOfTargets, target_image] =．..videopattern_gettemplate (useDefaultTarget);%按预定义因子对目标图像进行下采样。你这么做%减少互相关所需的计算量。目标图片=单个（目标图片）；目标图片=大小（目标图片）；目标图片=多级金字塔（目标图片，级别）；目标图片=sqrt（总和（目标图片（：）。^2））；旋转目标图像180度，并执行零填充%目标和输入图像的尺寸是相同的。target_image_rot=imrotate（target_image_gp，180）；[rt，ct]=尺寸（目标图像旋转）；Img=单个（Img）；Img=多级金字塔（Img，级别）；[ri，ci]=尺寸（Img）；r_mod=2^nextpow2（rt+ri）；c_mod=2^nextpow2（ct+ci）；target_image_p=[target_image_rot zero（rt，c_mod-ct）]；target_image_p=[target_image_p；零（r_mod-rt，c_mod）]；%计算目标图像的二维FFTtarget_fft = fft2 (target_image_p);%初始化处理循环中使用的常量变量。target_size = repmat(target_dim_nopyramid， [numberOfTargets, 1]);获得= 2 ^(水平);Im_p = 0 (r_mod, c_mod，“单一”）;%用于零填充C_一个=一个（rt，ct，“单一”）;%用于使用conv计算平均值
创建一个系统对象以计算归一化互相关的局部最大值。
hFindMax=vision.LocalMaximaFinder(．..“阈值”、单(1)．..“最大值”，目标数目，．..“NeighborhoodSize”， floor(size(target_image_gp)/2)*2 - 1);
创建系统对象以显示图案的跟踪。
深圳= get (0,“拉”）;Pos = [20 sz(4)-400 400 300];hROIPattern =愿景。放像机(“名字”，“将ROI覆盖在目标上”，．..“位置”、pos);
初始化图形窗口以绘制标准化互相关值
hPlot = videopatternplots (“设置”、numberOfTargets阈值);
在“视频”中搜索模板
创建一个处理循环以对输入视频执行模式匹配。此循环使用您在上面实例化的系统对象。当您到达输入文件的末尾时，循环将停止，该文件由录像机对象
虽然hasFrame（hVideoSrc）Im=rgb2gray（im2single（readFrame（hVideoSrc））；减少图像大小以加快处理速度Im_gp = multilevelPyramid(Im, level);%频域卷积。Im_p（1:ri，1:ci）=Im_gp；%在img_fft = fft2 (Im_p);Corr_freq = img_fft .* target_fft;corrOutput_f = ifft2 (corr_freq);corrOutput_f = corrOutput_f(rt:ri, ct:ci);%计算图像能量和块运行瓦片的大小%目标模板。IUT_energy = (Im_gp) ^ 2;IUT = conv2(IUT_energy, c_1，“有效”)IUT=sqrt（IUT）；%计算归一化互相关。norm_Corr_f=（腐蚀输出f）。/（IUT*目标能量）；xyLocation=步长（hFindMax，norm\u Corr\f）；%计算线性指数。* * * * * * * * * * * * * * * * * * * * *．..xyLocation（：，1））；norm_Corr_f_linear=norm_Corr_f（：）；norm_Corr_value=norm_Corr_f_linear（linear_index）；detect=（norm_Corr_value>threshold）；target_roi=0（长度（检测），4）；ul_corner=（增益。*（xyLocation（检测，：）+1）；target_roi（检测，：）=[ul_corner，fliplr（目标大小（检测，：）]；%绘制边框。国际货币基金组织(Imf) = insertShape (Im,“矩形”，目标投资回报率，“颜色”，“绿色”）;%绘制标准化互相关图。videopatternplots (“更新”、hPlot norm_Corr_value);步骤(hROIPattern,国际货币基金组织(Imf);结束snapnow%函数以计算特定级别的金字塔图像。功能outI = multilevelPyramid(inI, level) I = inI;outI =我;为i=1:level outI = impyramid(i，“减少”）;我= outI;结束结束
总结
这个例子展示了使用计算机视觉工具箱™在视频中找到用户定义的模式并跟踪它。该算法基于目标与被测图像的归一化频域互相关。视频播放器窗口显示已识别的目标位置的输入视频。图中还显示了目标和图像之间的归一化相关性，该相关性被用作匹配目标的度量。从图中可以看出，当相关值超过阈值(蓝色线表示)时，在输入视频中就会识别出目标，并以绿色边界框标记位置。
附录
本例中使用了以下辅助函数。
您还可以从以下列表中选择网站：
