首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于均值漂移的目标跟踪算法研究

摘要第1-5页
Abstract第5-9页
专用术语注释表第9-10页
第一章 绪论第10-17页
   ·课题研究背景及意义第10-12页
   ·目标跟踪技术的应用及存在的问题第12-13页
   ·目标跟踪算法研究现状第13-15页
   ·本文的主要工作及内容安排第15-17页
第二章 目标跟踪的关键技术分析第17-27页
   ·概述第17页
   ·目标建模第17-19页
     ·目标的表示形式第17-19页
     ·目标特征化第19页
   ·目标跟踪的方法介绍第19-25页
     ·基于点的目标跟踪第20-22页
     ·基于核的目标跟踪第22-24页
     ·基于轮廓的跟踪第24页
     ·小波域的目标跟踪第24-25页
   ·本文的算法思想第25-26页
   ·本章小结第26-27页
第三章 融合自适应 LTP 纹理的 Mean Shift 算法研究第27-41页
   ·概述第27页
   ·Mean Shift 算法介绍第27-32页
     ·Mean Shift 发展史第27页
     ·基本 Mean Shift 算法介绍第27-28页
     ·扩展的 Mean Shift第28-30页
     ·Mean Shift 目标跟踪算法第30-32页
   ·自适应 LTP 算法第32-37页
     ·LTP 算法介绍第32-35页
     ·最小平方中值算法(LMedS)第35-36页
     ·自适应阈值 LTP 算法第36-37页
   ·颜色与纹理特征的融合方式第37-38页
   ·对运动目标框大小和方向的估计第38-39页
   ·算法流程第39-40页
   ·本章小结第40-41页
第四章 改进的背景加权 Mean Shift 目标跟踪算法研究第41-49页
   ·概述第41页
   ·背景加权 Mean Shift 算法第41-44页
   ·改进的背景加权算法第44-45页
   ·卡尔曼滤波算法第45-47页
     ·Kalman 滤波简介第45页
     ·Kalman 滤波基本原理第45-47页
     ·Kalman 滤波建模第47页
   ·算法流程第47-48页
   ·本章小结第48-49页
第五章 融合 Mean Shift 与粒子滤波目标跟踪算法研究第49-60页
   ·概述第49页
   ·粒子滤波算法第49-56页
     ·贝叶斯滤波第49-50页
     ·蒙特卡洛算法第50-51页
     ·贝叶斯重要性采样第51-53页
     ·重要性采样方法第53页
     ·粒子滤波跟踪算法第53-56页
   ·融合 Mean Shift 与粒子滤波目标跟踪算法第56-59页
     ·目标运动模型第56-57页
     ·目标观测模型第57页
     ·自适应窗口更新第57-58页
     ·目标模板更新第58-59页
     ·算法流程第59页
   ·本章小结第59-60页
第六章 实验结果与分析第60-74页
   ·实验平台及跟踪效果评估第60-61页
     ·实验平台及参数第60页
     ·跟踪效果评估第60-61页
   ·融合自适应 LTP 纹理的 Mean Shift 算法研究实验结果第61-65页
     ·实验设计第61页
     ·实验结果对比第61-65页
     ·实验结果分析第65页
   ·改进的背景加权目标 Mean Shift 目标跟踪跟踪算法研究实验结果第65-69页
     ·实验设计第65页
     ·实验结果对比第65-69页
     ·实验结果分析第69页
   ·融合 Mean Shift 与粒子滤波目标跟踪算法研究实验结果第69-73页
     ·实验设计第69-70页
     ·实验结果对比第70-72页
     ·实验结果分析第72-73页
   ·本章小结第73-74页
第七章 总结与展望第74-76页
   ·总结第74-75页
   ·展望第75-76页
参考文献第76-80页
附录 1 攻读硕士学位期间撰写的论文第80-81页
附录 2 攻读硕士学位期间参加的科研项目第81-82页
致谢第82页

论文共82页,点击 下载论文
上一篇:视频监控中运动人体检测与异常行为分析研究
下一篇:视频监控中基于摄像机标定的运动目标三维空间定位技术的研究