基于时空上下文模型的目标跟踪算法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第11-13页 |
| 缩略词 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究背景与意义 | 第14-15页 |
| 1.2 视频目标跟踪的国内外研究现状 | 第15页 |
| 1.3 视频目标跟踪算法分类 | 第15-16页 |
| 1.4 目标跟踪技术面临的难点 | 第16-17页 |
| 1.5 本文研究内容 | 第17-18页 |
| 1.6 本文主要结构安排 | 第18-20页 |
| 第二章 目标跟踪的理论基础 | 第20-32页 |
| 2.1 基于贝叶斯框架的视频运动目标跟踪基本原理 | 第20-22页 |
| 2.2 常用的目标跟踪方法 | 第22-26页 |
| 2.2.1 帧间差分法 | 第22-23页 |
| 2.2.2 基于特征点检测的目标跟踪方法 | 第23-24页 |
| 2.2.3 基于区域的目标跟踪算法 | 第24-25页 |
| 2.2.4 基于监督学习的目标跟踪方法 | 第25-26页 |
| 2.3 光流算法 | 第26-29页 |
| 2.3.1 引言 | 第26-27页 |
| 2.3.2 Lucas-Kanade光流算法 | 第27-29页 |
| 2.4 目标跟踪框架 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 一种改进的时空上下文目标跟踪算法 | 第32-54页 |
| 3.1 几种基于上下文的跟踪算法 | 第32-33页 |
| 3.2 时空上下文跟踪算法基本原理 | 第33-37页 |
| 3.2.1 时空上下文跟踪算法概述 | 第33-34页 |
| 3.2.2 上下文先验概率模型 | 第34页 |
| 3.2.3 空间上下文模型 | 第34-35页 |
| 3.2.4 求解置信图 | 第35-37页 |
| 3.2.5 快速学习空间上下文模型 | 第37页 |
| 3.3 时空上下文跟踪算法主要过程 | 第37-40页 |
| 3.3.1 更新时空上下文模型 | 第39-40页 |
| 3.3.2 更新尺度参数 | 第40页 |
| 3.4 本文算法 | 第40-44页 |
| 3.4.1 运动估计 | 第41-42页 |
| 3.4.2 多维特征滤波器跟踪 | 第42-43页 |
| 3.4.3 尺度更新机制 | 第43页 |
| 3.4.4 时空上下文模型更新 | 第43-44页 |
| 3.5 实验与结果分析 | 第44-53页 |
| 3.5.1 实验参数设置 | 第45页 |
| 3.5.2 算法评价标准 | 第45-47页 |
| 3.5.3 结果分析 | 第47-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 结合过分割的STC跟踪算法 | 第54-70页 |
| 4.1 图像的分割方法概述 | 第54-55页 |
| 4.2 SLIC分割算法 | 第55-57页 |
| 4.3 改进的空间上下文模型 | 第57-58页 |
| 4.4 改进的时空上下文跟踪算法 | 第58-59页 |
| 4.5 改进的时空上下文更新过程 | 第59-60页 |
| 4.6 跟踪算法的性能分析 | 第60-68页 |
| 4.6.1 实验参数设置 | 第60-61页 |
| 4.6.2 实验结果的分析和评价 | 第61-68页 |
| 4.7 本章小洁 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 全文总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 在学期间的研究成果及发表的学术论文 | 第79页 |
