追踪算法MUSTer体验

对应论文：MUlti-Store Tracker (MUSTer): a Cognitive Psychology InspiredApproach to Object Tracking

作者该项目相关网站：MUlti-StoreTracker (MUSTer)

代码下载地址：MUSTer_code_v1.1.zip，或者也可以下载我上传到CSDN上的代码，http://download.csdn.net/detail/hjl240/9585443。

下载源代码，解压缩之后，将"*/MUSTer_code_v1/opencv"加入系统路径中（system path）。

打开Matlab，运行run_tracker.m文件。如果出现“InvalidMEX-file”错误，如下图：

则参考一下3步解决问题：

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"

都没问题之后，重新运行run_tracker.m文件，效果如下(截取了4幅图像)：

观察run_tracker.m，可以发现分为两步骤，

第一步是加载视频/图片信息（load_video_info.m），

第二步就是使用MUSTer算法跟踪（MUSTer_tracking.p）。

但是作者恰恰将关键部分的代码封装成了加密格式（.p文件），我们无法查看也无法修改。

粗略看了一下对应论文的实验部分，作者采用3.4GHz, 8 cores,32GB RAM电脑的配置，在OOTB上的平均时间达到0.287s/frame。速度有点慢。

该算法与其他算法的比较如下：

另外，我稍微修改了一下run_tracker.m，使得可以自己选择（框出）追踪物体，

使用方法：选择（框出）物体之后，左键双击矩形框内，之后便可以运行。

代码如下：

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];
%读取并显示图片
im = imread('./Jogging/img/0001.jpg');
figure,imshow(im);
%选择需要追踪的物体
[I,RECT] = imcrop();  %RECT:[XMIN YMIN WIDTH HEIGHT]
 
bboxes = MUSTer_tracking(source, RECT);
 
dlmwrite([res_path name '.txt'], bboxes);

效果如下：

图：手动选择追踪物体

图：手动选择追踪物体后运行效果

另外，我还写了一个将自己的视频文件转换为符合该测试代码要求的图片，也就是将视频的每一帧保存到图片中。代码如下：

fileName = 'E:\flip.avi'; 
obj = VideoReader(fileName);
numFrames = obj.NumberOfFrames;% 视频帧总数
%若不存在文件夹，则新建文件夹
if ~exist('ImageTest')
     mkdir('ImageTest');
end
for k = 1 : numFrames
     frame = read(obj,k);
     %imshow(frame);%显示帧
     imwrite(frame,strcat('./ImageTest/',sprintf('%04d.jpg',k)),'jpg'); 
end

运行该程序之后，将ImageTest文件夹生成的图片覆盖到Jogging/img文件夹下，便可以运行。