视频中的目标跟踪算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| ·论文的研究背景和意义 | 第10页 |
| ·背景和意义 | 第10页 |
| ·视频中追踪技术的应用 | 第10-12页 |
| ·运动识别 | 第10-11页 |
| ·虚拟现实 | 第11页 |
| ·人机交互 | 第11页 |
| ·智能监控 | 第11-12页 |
| ·国内外研究动态和发展趋势 | 第12-13页 |
| ·研究现状 | 第12-13页 |
| ·研究难题 | 第13页 |
| ·论文研究的主要内容 | 第13-15页 |
| 第二章 目标追踪的基本方法 | 第15-25页 |
| ·基于局部特征的追踪 | 第15-18页 |
| ·特征的表示 | 第15-16页 |
| ·特征的选择 | 第16-17页 |
| ·基于特征的追踪 | 第17-18页 |
| ·基于模型的追踪 | 第18-20页 |
| ·2D 模型 | 第18-19页 |
| ·3D 模型 | 第19-20页 |
| ·基于活动轮廓追踪 | 第20-21页 |
| ·参数活动模型 | 第20-21页 |
| ·几何活动模型 | 第21页 |
| ·模型推演 | 第21-24页 |
| ·卡尔曼滤波器 Kalman Filter | 第22-23页 |
| ·粒子滤波器 particle filter | 第23页 |
| ·多假设跟踪算法（MHT） | 第23-24页 |
| ·当目标发生遮挡时的推演 | 第24-25页 |
| 第三章 基于超像素的点追踪算法 | 第25-41页 |
| ·引言 | 第25-26页 |
| ·基于分割的目标外观模型 | 第26-28页 |
| ·贝叶斯追踪方程 | 第26-27页 |
| ·基于超像素的 BOF 模型 | 第27页 |
| ·目标定位 | 第27页 |
| ·运动模型的建立 | 第27-28页 |
| ·基于超像素的点追踪算法 | 第28-31页 |
| ·运动模型的建立 | 第29-30页 |
| ·提取特征向量 | 第30页 |
| ·建立外观模型 | 第30-31页 |
| ·模型更新 | 第31页 |
| ·算法描述 | 第31-32页 |
| ·实验结果与分析 | 第32-40页 |
| ·算法的效率评估与对比 | 第33-36页 |
| ·算法速度对比 | 第36-37页 |
| ·部分参数对 SMFT 算法效果的影响 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 粒子滤波追踪和Self-paced 学习 | 第41-49页 |
| ·引言 | 第41-42页 |
| ·粒子滤波追踪框架 | 第42-43页 |
| ·稀疏编码模型 | 第42-43页 |
| ·Particle Filter 框架 | 第43页 |
| ·粒子滤波追踪和 Self-paced 学习 | 第43-45页 |
| ·筛选图像序列 | 第44页 |
| ·基于颜色的粒子 | 第44页 |
| ·计算最短路径 | 第44-45页 |
| ·实验结果对比分析 | 第45-47页 |
| ·算法的效率评估与对比 | 第46-47页 |
| ·算法的速率对比 | 第47页 |
| ·本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-52页 |
| ·总结 | 第49页 |
| ·展望 | 第49-52页 |
| 参考文献 | 第52-57页 |
