追蹤算法MUSTer體驗

對應論文：MUlti-Store Tracker (MUSTer): a Cognitive Psychology InspiredApproach to Object Tracking

作者該項目相關網站：MUlti-StoreTracker (MUSTer)

代碼下載地址：MUSTer_code_v1.1.zip，或者也可以下載我上傳到CSDN上的代碼，http://download.csdn.net/detail/hjl240/9585443。

 

下載源代碼，解壓縮之後，將"*/MUSTer_code_v1/opencv"加入系統路徑中（system path）。

打開Matlab，運行run_tracker.m文件。如果出現“InvalidMEX-file”錯誤，如下圖：

則參考一下3步解決問題：

1) install opencv 2.4.6 required by mexopencv
2) setup mexopencv in the folder "mexopencv". Please follow the instruction in "http://kyamagu.github.io/mexopencv/".
3) compile "ICF/gradientMex.cpp"

 

都沒問題之後，重新運行run_tracker.m文件，效果如下(截取了4幅圖像)：

觀察run_tracker.m，可以發現分爲兩步驟，

第一步是加載視頻/圖片信息（load_video_info.m），

第二步就是使用MUSTer算法跟蹤（MUSTer_tracking.p）。

但是作者恰恰將關鍵部分的代碼封裝成了加密格式（.p文件），我們無法查看也無法修改。

 

粗略看了一下對應論文的實驗部分，作者採用3.4GHz, 8 cores,32GB RAM電腦的配置，在OOTB上的平均時間達到0.287s/frame。速度有點慢。

該算法與其他算法的比較如下：

另外，我稍微修改了一下run_tracker.m，使得可以自己選擇（框出）追蹤物體，

使用方法：選擇（框出）物體之後，左鍵雙擊矩形框內，之後便可以運行。

代碼如下：

addpath('mexopencv');
 
addpath('ICF');
base_path = './';
res_path = 'Results/';
 
name = 'Jogging';
 
video_path = [base_path name '/'];
 
[ source.img_files, pos, target_sz, ground_truth, source.video_path]...
 = load_video_info(video_path);
source.n_frames = numel(source.img_files);
rect_init = [pos, target_sz];
%讀取並顯示圖片
im = imread('./Jogging/img/0001.jpg');
figure,imshow(im);
%選擇需要追蹤的物體
[I,RECT] = imcrop();  %RECT:[XMIN YMIN WIDTH HEIGHT]
 
bboxes = MUSTer_tracking(source, RECT);
 
dlmwrite([res_path name '.txt'], bboxes);

效果如下：

圖：手動選擇追蹤物體

圖：手動選擇追蹤物體後運行效果

另外，我還寫了一個將自己的視頻文件轉換爲符合該測試代碼要求的圖片，也就是將視頻的每一幀保存到圖片中。代碼如下：

fileName = 'E:\flip.avi'; 
obj = VideoReader(fileName);
numFrames = obj.NumberOfFrames;% 視頻幀總數
%若不存在文件夾，則新建文件夾
if ~exist('ImageTest')
     mkdir('ImageTest');
end
for k = 1 : numFrames
     frame = read(obj,k);
     %imshow(frame);%顯示幀
     imwrite(frame,strcat('./ImageTest/',sprintf('%04d.jpg',k)),'jpg'); 
end

運行該程序之後，將ImageTest文件夾生成的圖片覆蓋到Jogging/img文件夾下，便可以運行。