函数obj = setupsystemobjects（）%初始化视频I/O创建对象从文件中读取视频，绘制跟踪%对象在每一帧，并播放视频。％创建视频阅读器。obj。读者= 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 =愿景。放像机(“位置”， [740, 400, 700, 400]);obj。放像机=愿景。放像机(“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。它输出一个二进制掩码，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'现年40岁的'最小背景'，0.7）;%连接的前景像素组可能与移动相对应%对象。blob分析系统对象用于查找此类组％（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（“BoundingBoxOutputPort”是的，......“AreaOutputPort”是的，'centroidoutputport'是的，......“最小面积”, 400);结尾

函数曲目= initializetracks（）%创建一个空的轨迹数组tracks = struct（......'ID'{},......“bbox”{},......'kalmanfilter'{},......“年龄”{},......'totalvisiblecount'{},......'沟圈visiblecount'，{}）;结尾

函数[质心，虚拟机，掩码] =探测器（帧）%检测前景。掩码= obj.detector.step(框架);％应用形态操作以消除噪音并填充孔。Mask = imopen(Mask, strel()“矩形”，[3,3]））;mask = imclose（面具，光线（“矩形”，[15,15]））;mask = Imfill（掩码，“黑洞”）；%执行blob分析以找到连接的组件。[〜，质心，bboxes] = obj.blobanalyser.step（mask）;结尾

函数predictnewlocationsoftracks（）为了I = 1:length(tracks) bbox = tracks(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

函数[作业，未分配的触发，未分配的detections] =......detectionToTrackAssignment（）nTracks=长度（轨迹）；nDetections=大小（质心，1）；%计算将每个检测分配给每个轨迹的成本。成本=零（nTrack，nDetection）；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。未分配的成本=20；[分配、未分配的跟踪、未分配的检测]=......assignDetectionsToTracks(成本、costOfNonAssignment);结尾

函数updateAssignedTracks() numAssignedTracks = size(赋值，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（轨迹（trackIdx）.kalmanFilter，形心）；将预测的边界框替换为检测到的%边界框。曲目（trackIDX）.bbox = bbox;％更新曲目的年龄。轨道（trackIdx）。年龄=轨道（trackIdx）。年龄+1；%更新的可见性。曲目（TrackIDX）.totalvisiblecount =......曲目（TrackIDX）.totalvisiblecount + 1;曲目（trackIDX）.consechutivevisiblecount = 0;结尾结尾

函数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

函数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=[tracks（：）.age]；totalVisibleCounts=[tracks（：）.totalVisibleCount]；可见性=totalVisibleCounts./ages；%查找“丢失”轨迹的索引。dosinds =（年龄......(跟踪(:)。consecutiveInvisibleCount] > = invisibleForTooLong;删除丢失的轨迹。跟踪=跟踪(~ lostInds);结尾

函数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）;创建一个新的轨道。newtrack = struct（......'ID'，nextid，......“bbox”，bbox，......'kalmanfilter'kalmanFilter,......“年龄”，1，......'totalvisiblecount'，1，......'沟圈visiblecount',0);%将它添加到轨道数组中。曲目（结束+ 1）= NewTrack;%增加下一个id。nextId = nextId + 1;结尾结尾

函数displaytrackingresults（）％将帧和蒙版转换为UINT8 RGB。frame=im2uint8（frame）；mask=uint8（repmat（mask[1,1,3]）255；minVisibleCount=8；如果〜Isempty（轨道）%噪声检测往往会导致短寿命的轨迹。％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）;%获取身份证。IDS = INT32（[ReliaBlezracks（:)。ID]）;％为指示oble的对象创建标签%，我们显示的是预测值而不是实际值％ 地点。标签= CELLSTR（INT2STR（IDS'））;predictedtrackinds =......[reliableTracks(:)。consecutiveInvisibleCount) > 0;isPredicted =细胞(大小(标签));isPredicted (predictedTrackInds) = {' 预料到的'};标签= strcat(标签，isPredicted);％绘制框架上的对象。Frame = InsertObjectAnnotation（帧，“矩形”那......Bboxes，标签）;％绘制掩码上的对象。掩码=插入对象注释（掩码，“矩形”那......Bboxes，标签）;结尾结尾%显示遮罩和边框。obj.maskplayer.step（mask）;obj.videoplayer.step（框架）;结尾

结尾