首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于编码模型的目标跟踪算法研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-11页
缩略语对照表第11-15页
第一章 绪论第15-21页
    1.1 研究背景及意义第15-16页
    1.2 国内外研究现状第16-17页
    1.3 视频目标跟踪概述第17-20页
        1.3.1 当前跟踪算法主要组成部分第17-18页
        1.3.2 目标跟踪技术研究的难点第18-20页
    1.4 本文的研究内容及章节安排第20-21页
第二章 相关理论基础介绍第21-29页
    2.1 Haar-like特征第21-22页
        2.1.1 积分图第21页
        2.1.2 Haar-like特征计算第21-22页
    2.2 颜色空间模型第22-23页
        2.2.1 HSV颜色空间模型第22-23页
        2.2.2 Lab颜色空间模型第23页
    2.3 超像素简介第23-24页
    2.4 稀疏编码理论第24-26页
        2.4.1 向量量化编码第24-25页
        2.4.2 稀疏编码第25页
        2.4.3 局部约束线性编码第25-26页
    2.5 空间金字塔匹配第26-27页
    2.6 本章小结第27-29页
第三章 基于优化boosting的目标跟踪方法第29-41页
    3.1 引言第29页
    3.2 构建高斯模型第29-31页
        3.2.1 高斯模型初始化第29-30页
        3.2.2 更新高斯模型第30-31页
    3.3 高斯模型的选择第31页
    3.4 遮挡判断第31-32页
    3.5 预测目标位置第32页
    3.6 跟踪算法描述第32-34页
    3.7 实验结果与分析第34-39页
        3.7.1 性能评估措施第34页
        3.7.2 与现有跟踪算法的比较第34-39页
    3.8 本章小结第39-41页
第四章 基于帧间约束超像素编码的目标跟踪方法第41-53页
    4.1 引言第41-42页
    4.2 获取样本第42页
    4.3 获取超像素第42页
    4.4 基于超像素的帧间约束编码第42-45页
        4.4.1 编码描述第42-43页
        4.4.2 I2C编码特性第43-44页
        4.4.3 I2C编码实现第44-45页
    4.5 跟踪算法实现第45-46页
        4.5.1 跟踪算法实现过程第45-46页
        4.5.2 跟踪过程细节描述第46页
    4.6 实验结果及分析第46-52页
        4.6.1 能评估措施第47页
        4.6.2 与现有跟踪方法的结果比较第47-52页
    4.7 本章小结第52-53页
第五章 基于多重约束非负编码的目标跟踪方法第53-65页
    5.1 引言第53-54页
    5.2 非负矩阵分解(NMF)第54页
    5.3 基于超像素的多重约束非负编码(MCNC)第54-57页
        5.3.1 MCNC思想来源第54-55页
        5.3.2 MCNC描述第55-56页
        5.3.3 MCNC的初始化第56-57页
    5.4 基于MCNC的跟踪算法第57-59页
    5.5 实验结果与分析第59-64页
        5.5.1 性能评估措施第60页
        5.5.2 与现有跟踪方法的结果比较第60-64页
    5.6 本章小结第64-65页
第六章 总结与展望第65-67页
    6.1 本文工作总结第65页
    6.2 工作展望第65-67页
参考文献第67-73页
致谢第73-75页
作者简介第75-76页
    1.基本情况第75页
    2.教育背景第75页
    3.攻读硕士学位期间的研究成果第75-76页

论文共76页,点击 下载论文
上一篇:火焰流场粒子跟踪测速系统
下一篇:基于安卓平台可靠传输的智能家居系统