复杂背景下视频运动目标跟踪算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 前言 | 第9-13页 |
| ·课题研究的目的 | 第9页 |
| ·课题研究的意义 | 第9-10页 |
| ·课题研究的背景 | 第10-11页 |
| ·目前跟踪算法的不足 | 第11-12页 |
| ·文章结构安排 | 第12-13页 |
| 2 目标跟踪的基本理论 | 第13-24页 |
| ·典型的目标跟踪模型 | 第13页 |
| ·图像预处理 | 第13-14页 |
| ·目标检测技术 | 第14-16页 |
| ·图像特征分析与提取 | 第16-19页 |
| ·常见的目标跟踪算法 | 第19-23页 |
| ·基于估计的滤波跟踪算法 | 第19-20页 |
| ·基于运动信息的跟踪方法 | 第20-21页 |
| ·基于相关匹配的目标跟踪 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 运动目标跟踪算法研究 | 第24-39页 |
| ·颜色直方图 | 第24-25页 |
| ·反向投影图 | 第25-26页 |
| ·Mean-shift算法 | 第26-31页 |
| ·Mean-shift数学模型 | 第27-28页 |
| ·目标模型表达与跟踪算法 | 第28-30页 |
| ·Mean-shift算法步骤 | 第30-31页 |
| ·CAMShift算法 | 第31-33页 |
| ·CAMShift算法跟踪效果图 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 4 改进的CAMShift算法研究 | 第39-51页 |
| ·改进反向投影 | 第39-40页 |
| ·改进的CAMShift算法 | 第40-46页 |
| ·基于贝叶斯理论的CAMShift算法 | 第41-42页 |
| ·自适应背景模型的CAMShift算法 | 第42-43页 |
| ·改进的CAMShift算法实现 | 第43-45页 |
| ·自适应背景模型与CAMShift的不同之处 | 第45-46页 |
| ·Kalman滤波器 | 第46-50页 |
| ·kalman滤波的数学模型 | 第47-48页 |
| ·融合Kalman滤波的CAMShift算法 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 5 基于OpenCV的跟踪算法实现 | 第51-59页 |
| ·OpenCV的特点 | 第51-52页 |
| ·OpenCV的结构和内容 | 第52-53页 |
| ·算法核心函数 | 第53-58页 |
| ·cvCaIcBackProject() | 第53-54页 |
| ·cvMeanShift() | 第54-55页 |
| ·CamShift() | 第55页 |
| ·cvKalman | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 6 实验结果分析 | 第59-67页 |
| ·光照下跟踪效果图 | 第59页 |
| ·改进CAMShift算法跟踪效果 | 第59-64页 |
| ·遮挡和背景干扰时跟踪效果 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 总结与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的学术论文目录 | 第73-74页 |
