基于能量最小化的视频目标检测与跟踪
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及意义 | 第10-13页 |
| 1.1.1 计算机视觉概述 | 第10-11页 |
| 1.1.2 视频目标检测与跟踪技术的应用 | 第11-13页 |
| 1.2 视频目标检测与跟踪技术的研究现状 | 第13-15页 |
| 1.3 视频目标检测与跟踪方案的概述 | 第15-17页 |
| 1.4 本文的研究内容 | 第17-18页 |
| 第2章 相关理论基础知识 | 第18-35页 |
| 2.1 引言 | 第18页 |
| 2.2 常用检测算法概述 | 第18-26页 |
| 2.3 运动目标检测算法比较与分析 | 第26-27页 |
| 2.4 跟踪算法概述 | 第27-31页 |
| 2.4.1 目标表示与定位 | 第28-29页 |
| 2.4.2 滤波与数据关联 | 第29-31页 |
| 2.5 跟踪评价指标——CLEAR MOT | 第31-34页 |
| 2.5.1 多目标跟踪准确度(MOTA) | 第32-34页 |
| 2.5.2 多目标跟踪精度(MOTP) | 第34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 运动目标检测技术研究及应用 | 第35-45页 |
| 3.1 引言 | 第35页 |
| 3.2 行人图像特征提取 | 第35-40页 |
| 3.3 积分向量图计算 | 第40页 |
| 3.4 训练和分类 | 第40-43页 |
| 3.5 实验结果 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 多目标跟踪算法研究 | 第45-54页 |
| 4.1 引言 | 第45页 |
| 4.2 扩展卡尔曼滤波 | 第45-49页 |
| 4.2.1 卡尔曼滤波原理 | 第45-47页 |
| 4.2.2 扩展卡尔曼滤波原理 | 第47-49页 |
| 4.3 目标匹配 | 第49-50页 |
| 4.4 扩展卡尔曼滤波的应用 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于标准共轭梯度的连续能量模型 | 第54-74页 |
| 5.1 连续能量模型的定义 | 第54-62页 |
| 5.1.1 参数表示 | 第54页 |
| 5.1.2 连续能量模型 | 第54-57页 |
| 5.1.3 全局遮挡模型 | 第57-61页 |
| 5.1.4 外观模型 | 第61-62页 |
| 5.2 优化方案 | 第62-66页 |
| 5.2.1 共轭梯度法 | 第63页 |
| 5.2.2 跳跃移动类型 | 第63-65页 |
| 5.2.3 初始值 | 第65-66页 |
| 5.3 实验设置 | 第66-68页 |
| 5.4 实验评价 | 第68-73页 |
| 5.4.1 定性分析 | 第68-69页 |
| 5.4.2 定量评价 | 第69-73页 |
| 5.5 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80页 |
