基于视频图像的运动人体检测与跟踪算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·课题的研究背景与意义 | 第7-9页 |
| ·检测与跟踪技术的发展现状和主要问题 | 第9-11页 |
| ·检测与跟踪技术的发展现状术的发展现状 | 第9-10页 |
| ·主要问题 | 第10-11页 |
| ·本文主要研究的内容和结构安排 | 第11-13页 |
| ·本文的主要研究内容 | 第11-12页 |
| ·论文的各章节安排 | 第12-13页 |
| 2 运动人体的检测算法 | 第13-25页 |
| ·图像前期处理 | 第13-18页 |
| ·图像去噪 | 第13-16页 |
| ·图像增强 | 第16-18页 |
| ·运动目标检测方法 | 第18-21页 |
| ·光流法 | 第18-19页 |
| ·帧间差分法 | 第19-20页 |
| ·背景差分法 | 第20-21页 |
| ·背景建模方法 | 第21-24页 |
| ·直接获取背景模型 | 第21页 |
| ·基于统计平均的背景模型 | 第21-22页 |
| ·基于高斯模型的方法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 本文的运动人体检测算法 | 第25-35页 |
| ·基于背景重构的运动目标检测 | 第25-26页 |
| ·基于隔帧差分的二值掩模模板的提取 | 第26-27页 |
| ·变化检测模板的填充修正 | 第27-29页 |
| ·基于二值掩模模板的背景重构 | 第29-31页 |
| ·实验结果及性能分析 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 4 运动人体的跟踪算法研究 | 第35-53页 |
| ·Meanshift算法理论 | 第35-38页 |
| ·Meanshift定义 | 第36-37页 |
| ·Meanshift算法 | 第37-38页 |
| ·Meanshift算法在目标跟踪中的应用 | 第38-44页 |
| ·特征空间的选择 | 第38-40页 |
| ·目标模型的建立 | 第40页 |
| ·Meanshift应用 | 第40-44页 |
| ·卡尔曼滤波 | 第44-47页 |
| ·系统的状态方程和观测方程 | 第44-45页 |
| ·卡尔曼滤波原理 | 第45-47页 |
| ·Meanshift与卡尔曼结合的目标跟踪 | 第47-49页 |
| ·实验结果及分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 5 基于自适应特征选择的目标跟踪算法 | 第53-71页 |
| ·特征空间的选择 | 第53-54页 |
| ·基于灰度梯度特征的目标模型 | 第54-58页 |
| ·微分算子 | 第54-57页 |
| ·加权梯度直方图 | 第57-58页 |
| ·自适应选择特征空间的Meanshift跟踪 | 第58-63页 |
| ·联合运动检测的反向投影 | 第59-60页 |
| ·特征空间的自适应选择 | 第60-63页 |
| ·跟踪窗口自适应调整 | 第63-66页 |
| ·实验结果及分析 | 第66-69页 |
| ·本章小结 | 第69-71页 |
| 6 总结与展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-77页 |
