视频多目标跟踪方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 研究背景及意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-19页 |
| 1.3 目标跟踪技术中存在的主要问题 | 第19-20页 |
| 1.4 主要研究内容、章节安排和创新点 | 第20-23页 |
| 1.4.1 课题主要研究内容 | 第20页 |
| 1.4.2 论文章节安排 | 第20页 |
| 1.4.3 本文主要创新点 | 第20-23页 |
| 第二章 运动目标检测算法研究 | 第23-35页 |
| 2.1 静态背景下的运动目标检测方法 | 第23-26页 |
| 2.1.1 帧差法 | 第23-24页 |
| 2.1.2 背景减除法 | 第24-25页 |
| 2.1.3 运动场估计法 | 第25-26页 |
| 2.2 动态背景下的运动目标检测方法 | 第26-34页 |
| 2.2.1 HOG特征检测 | 第26-27页 |
| 2.2.2 LBP特征检测 | 第27-30页 |
| 2.2.3 Haar-like特征检测 | 第30-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 目标跟踪算法研究 | 第35-49页 |
| 3.1 Lucas-Kanade光流跟踪算法 | 第35-37页 |
| 3.2 Meanshift跟踪算法 | 第37-39页 |
| 3.2.1 Meanshift算法跟踪过程 | 第37-39页 |
| 3.2.2 Meanshift跟踪结果与分析 | 第39页 |
| 3.3 贝叶斯跟踪算法 | 第39-41页 |
| 3.4 TLD跟踪算法 | 第41-44页 |
| 3.4.1 TLD算法架构 | 第41-43页 |
| 3.4.2 TLD跟踪结果与分析 | 第43-44页 |
| 3.5 压缩跟踪 | 第44-48页 |
| 3.5.1 压缩感知理论 | 第44-45页 |
| 3.5.2 压缩特征 | 第45-46页 |
| 3.5.3 压缩跟踪分类器构建和更新 | 第46-47页 |
| 3.5.4 压缩跟踪过程 | 第47页 |
| 3.5.5 CT跟踪结果与分析 | 第47-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 运动平台下的多目标检测与跟踪 | 第49-69页 |
| 4.1 算法框架 | 第49-50页 |
| 4.2 目标初始化 | 第50-55页 |
| 4.2.1 分类器的训练 | 第50-54页 |
| 4.2.2 目标检测过程 | 第54-55页 |
| 4.3 目标跟踪过程 | 第55-57页 |
| 4.3.1 压缩特征 | 第55页 |
| 4.3.2 特征融合的压缩跟踪 | 第55-57页 |
| 4.4 目标关联 | 第57-58页 |
| 4.5 目标消失 | 第58页 |
| 4.6 模版更新 | 第58-59页 |
| 4.7 实验结果分析 | 第59-67页 |
| 4.7.1 检测部分实验结果 | 第59-63页 |
| 4.7.2 跟踪部分实验结果 | 第63-67页 |
| 4.8 本章小结 | 第67-69页 |
| 第五章 软件实现 | 第69-81页 |
| 5.1 软件的框架结构与设计 | 第69-73页 |
| 5.1.1 软件开发环境 | 第69页 |
| 5.1.2 软件主界面 | 第69-70页 |
| 5.1.3 软件菜单栏 | 第70-71页 |
| 5.1.4 软件的主要功能菜单 | 第71-73页 |
| 5.2 视频多目标跟踪软件的内部实现 | 第73-74页 |
| 5.2.1 类和结构体 | 第73页 |
| 5.2.2 数据结构 | 第73-74页 |
| 5.3 软件各个模块 | 第74-76页 |
| 5.3.1 显示模块 | 第74页 |
| 5.3.2 处理模块 | 第74-75页 |
| 5.3.3 模块之间的关系 | 第75-76页 |
| 5.3.4 软件接.说明 | 第76页 |
| 5.4 软件操作演示 | 第76-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 课题总结 | 第81页 |
| 6.2 研究内容展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
