基于卡尔曼滤波器的抗遮挡车辆跟踪算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 0 引言 | 第10-11页 |
| 1 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 相关技术研究现状 | 第12-15页 |
| 1.2.1 车辆检测方法研究现状 | 第12-13页 |
| 1.2.2 车辆跟踪方法研究现状 | 第13-15页 |
| 1.3 车辆跟踪中的遮挡问题 | 第15-17页 |
| 1.3.1 遮挡问题解决思路 | 第15-16页 |
| 1.3.2 遮挡问题研究现状 | 第16-17页 |
| 1.4 本文的研究内容和组织结构 | 第17-19页 |
| 2 运动车辆检测 | 第19-37页 |
| 2.1 车辆检测方法 | 第19-24页 |
| 2.1.1 帧间差分法 | 第19-21页 |
| 2.1.2 背景差分法 | 第21-23页 |
| 2.1.3 光流法 | 第23-24页 |
| 2.2 背景建模方法 | 第24-27页 |
| 2.2.1 基于统计学的背景建模 | 第25-26页 |
| 2.2.2 非参数背景建模 | 第26-27页 |
| 2.2.3 其他背景建模方法 | 第27页 |
| 2.3 混合高斯模型 | 第27-31页 |
| 2.3.1 混合高斯模型的参数初始化 | 第28-29页 |
| 2.3.2 混合高斯模型的更新 | 第29-30页 |
| 2.3.3 背景模型的选择 | 第30-31页 |
| 2.3.4 运动前景的检测 | 第31页 |
| 2.4 混合高斯模型算法改进 | 第31-35页 |
| 2.4.1 图像内容分析 | 第31-33页 |
| 2.4.2 改进的背景模型初始化 | 第33-34页 |
| 2.4.3 改进的背景更新算法 | 第34-35页 |
| 2.5 车辆检测实验结果 | 第35-36页 |
| 2.6 本章小结 | 第36-37页 |
| 3 前景图像处理 | 第37-47页 |
| 3.1 噪声去除 | 第37-40页 |
| 3.1.1 常用的图像去噪方法 | 第37-39页 |
| 3.1.2 本文使用的图像去噪方法 | 第39-40页 |
| 3.2 阴影检测与去除 | 第40-43页 |
| 3.2.1 常用的阴影检测方法 | 第40-41页 |
| 3.2.2 本文使用的阴影检测方法 | 第41-43页 |
| 3.3 连通区域标记 | 第43-45页 |
| 3.3.1 传统的连通区域标记法 | 第43-44页 |
| 3.3.2 本文使用的连通区域标记法 | 第44-45页 |
| 3.4 特征值提取 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 运动车辆跟踪 | 第47-58页 |
| 4.1 卡尔曼滤波器的原理 | 第47-49页 |
| 4.2 卡尔曼滤波器跟踪模型 | 第49-53页 |
| 4.2.1 卡尔曼滤波器的参数选择 | 第49-50页 |
| 4.2.2 基于卡尔曼滤波器的车辆跟踪过程 | 第50-52页 |
| 4.2.3 车辆匹配准则 | 第52-53页 |
| 4.3 跟踪中的遮挡问题处理 | 第53-57页 |
| 4.3.1 遮挡分析 | 第53-54页 |
| 4.3.2 遮挡推理 | 第54-56页 |
| 4.3.3 遮挡处理 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 实验结果 | 第58-61页 |
| 6 总结与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-66页 |
| 致谢 | 第66页 |
| 个人简历 | 第66页 |
| 发表的学术论文 | 第66-67页 |
