均值漂移算法在视频运动目标跟踪中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| ·课题背景 | 第15页 |
| ·课题研究的目的和意义 | 第15-17页 |
| ·运动目标跟踪技术的难点 | 第17-18页 |
| ·国内外相关的研究概况 | 第18-19页 |
| ·论文各章主要内容 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第二章 智能课件录制系统中的图像跟踪技术 | 第21-27页 |
| ·智能课件录制系统概述 | 第21-24页 |
| ·系统组成 | 第21页 |
| ·系统结构图 | 第21-22页 |
| ·系统设备分布图 | 第22-23页 |
| ·各子系统功能 | 第23-24页 |
| ·智能课件录制系统中的图像跟踪技术 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 图像分析的常用技术 | 第27-33页 |
| ·图像去噪技术及其实现 | 第27-28页 |
| ·什么是“图像的噪声” | 第27页 |
| ·图像去噪常用方法 | 第27-28页 |
| ·图像分割算法 | 第28-30页 |
| ·图像分割原理 | 第28-29页 |
| ·基于阈值的图像分割 | 第29-30页 |
| ·图割方法 | 第30页 |
| ·用于目标跟踪的信息融合技术 | 第30-32页 |
| ·信息融合基本概念 | 第30-31页 |
| ·视频信息融合结构 | 第31页 |
| ·视频信息融合中视频特征 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 运动目标检测方法 | 第33-39页 |
| ·背景减法的运动目标检测 | 第33-34页 |
| ·基于帧间差分的运动目标检测 | 第34-35页 |
| ·光流法的运动目标检测 | 第35-38页 |
| ·传统光流法 | 第36-37页 |
| ·Hom & Schunck算法 | 第37页 |
| ·Lucas & Kanade算法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 运动目标跟踪算法的研究 | 第39-67页 |
| ·基于卡尔曼(KALMAN)滤波的目标跟踪 | 第40-42页 |
| ·KALMAN滤波基本方程 | 第40-42页 |
| ·Kalman滤波算法的特性 | 第42页 |
| ·基于均值漂移(MS)算法的目标跟踪 | 第42-50页 |
| ·基本MS算法原理 | 第43-44页 |
| ·基于核函数的MS原理 | 第44-46页 |
| ·基于核函数直方图的Meanshift目标跟踪 | 第46-48页 |
| ·基于概率分布图的均值漂移(MS)目标跟踪 | 第48-50页 |
| ·粒子滤波算法 | 第50-55页 |
| ·贝叶斯滤波原理 | 第51页 |
| ·蒙特卡罗仿真 | 第51-52页 |
| ·粒子退化问题与重采样 | 第52-54页 |
| ·粒子滤波算法步骤 | 第54-55页 |
| ·融合均值漂移(MS)与粒子滤波优点的目标跟踪 | 第55-61页 |
| ·融合颜色和运动信息的目标模型改进 | 第55-57页 |
| ·融合颜色信息和运动信息的均值漂移算法 | 第57-58页 |
| ·实现均值漂移粒子滤波跟踪算法 | 第58-61页 |
| ·实验结果与分析 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73页 |
| 1. 基本情况 | 第73页 |
| 2. 教育背景 | 第73页 |
| 3. 攻读硕士学位期间的研究成果 | 第73页 |
