基于CamShift的运动目标跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题意义及目的 | 第9-11页 |
| 1.2 目标跟踪的发展历史及研究现状 | 第11-13页 |
| 1.3 论文的主要内容和结构安排 | 第13-15页 |
| 1.3.1 论文的主要内容 | 第13-14页 |
| 1.3.2 论文的结构安排 | 第14-15页 |
| 第2章 相关图像处理技术概述 | 第15-30页 |
| 2.1 图像特征 | 第15-17页 |
| 2.1.1 颜色特征 | 第15-16页 |
| 2.1.2 纹理特征 | 第16-17页 |
| 2.1.3 形状特征 | 第17页 |
| 2.2 颜色空间模型 | 第17-20页 |
| 2.2.1 RGB空间模型 | 第17-18页 |
| 2.2.2 HSV空间模型 | 第18-19页 |
| 2.2.3 YUV空间模型 | 第19-20页 |
| 2.3 形态学图像处理 | 第20-21页 |
| 2.4 常用阈值分割方法 | 第21-26页 |
| 2.4.1 Ostu算法 | 第21-23页 |
| 2.4.2 Renyi熵算法 | 第23-25页 |
| 2.4.3 Kittler法 | 第25页 |
| 2.4.4 Niblack邻域法 | 第25-26页 |
| 2.4.5 Sauvola邻域法 | 第26页 |
| 2.5 背景模型 | 第26-29页 |
| 2.5.1 单高斯背景模型 | 第26-28页 |
| 2.5.2 混合高斯模型 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 运动目标跟踪方法概述 | 第30-41页 |
| 3.1 运动目标跟踪方法分类 | 第30-32页 |
| 3.2 经典目标跟踪算法介绍 | 第32-40页 |
| 3.2.1 Kalman算法 | 第32-33页 |
| 3.2.2 粒子滤波算法 | 第33-36页 |
| 3.2.3 Mean Shift算法 | 第36-38页 |
| 3.2.4 MCD算法 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章运动目标区域初始化的改进 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 运动目标检测算法介绍 | 第41-46页 |
| 4.2.1 背景差分法 | 第41-44页 |
| 4.2.2 帧间差分法 | 第44-45页 |
| 4.2.3 光流法 | 第45-46页 |
| 4.3 目标区域初始化的改进 | 第46-48页 |
| 4.4 实验结果及分析 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 CamShift运动目标跟踪的改进 | 第52-66页 |
| 5.1 引言 | 第52页 |
| 5.2 CamShift算法原理 | 第52-54页 |
| 5.2.1 直方图投影 | 第52-53页 |
| 5.2.3 CamShift算法原理 | 第53-54页 |
| 5.3 对CamShift算法的改进 | 第54-58页 |
| 5.4 实验结果及分析 | 第58-65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73-74页 |
