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

基于视频图像的运动目标检测与跟踪技术研究

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第11-18页
    1.1 课题研究的背景及意义第11-13页
        1.1.1 课题研究的背景第11-12页
        1.1.2 课题研究的意义第12-13页
    1.2 国内外研究现状第13-15页
        1.2.1 国外研究现状第13-14页
        1.2.2 国内研究现状第14-15页
    1.3 运动目标检测与跟踪技术所面临的问题第15-17页
        1.3.1 运动目标检测面临的难题第15-16页
        1.3.2 运动目标跟踪面临的难题第16-17页
    1.4 论文研究的主要内容第17-18页
第二章 视频图像运动目标检测与跟踪理论基础第18-37页
    2.1 视频序列图像的预处理第18-26页
        2.1.1 图像灰度化第18-21页
        2.1.2 图像二值化第21-24页
        2.1.3 图像增强第24-26页
    2.2 运动目标检测的经典方法第26-31页
        2.2.1 帧间差分法第26-27页
        2.2.2 光流法第27-29页
        2.2.3 背景减除法第29-31页
    2.3 运动目标跟踪的经典方法第31-36页
        2.3.1 MeanShift跟踪算法第31-32页
        2.3.2 卡尔曼滤波跟踪算法第32-34页
        2.3.3 改进的Camshift跟踪算法第34-36页
    2.4 本章小结第36-37页
第三章 基于单像素特征建模的运动目标检测第37-51页
    3.1 引言第37页
    3.2 三帧差分算法第37-38页
    3.3 运动目标检测算法的分析第38-40页
    3.4 基于三帧差分和ViBe算法的改进方法第40-43页
    3.5 实验与分析第43-49页
    3.6 本章小结第49-51页
第四章 结合前景检测的运动目标跟踪第51-69页
    4.1 引言第51-52页
    4.2 基于差分进化算法的跟踪过程第52-53页
    4.3 改进差分进化算法的介绍第53-59页
        4.3.1 标准差分进化算法第53-55页
        4.3.2 本文的主要工作第55-56页
        4.3.3 差分进化算法的改进第56-59页
    4.4 基于改进差分进化算法的跟踪框架第59-62页
        4.4.1 目标模型的建立第59-60页
        4.4.2 基于改进差分进化算法的跟踪过程第60-62页
    4.5 实验结果和分析第62-68页
    4.6 本章小结第68-69页
总结与展望第69-71页
参考文献第71-78页
攻读学位期间发表的论文第78-80页
致谢第80页

论文共80页,点击 下载论文
上一篇:基于卷积神经网络的图像检测技术研究
下一篇:基于深度学习的发票自动识别系统的设计与实现