基于单目视觉的行人跟踪算法研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 目录 | 第4-6页 |
| 第一章 绪论 | 第6-17页 |
| 1.1 引言 | 第6页 |
| 1.2 基于单目视觉的行人跟踪的研究背景和意义 | 第6-9页 |
| 1.3 国内外目标跟踪研究现状 | 第9-14页 |
| 1.3.1 运动物体的检测方法 | 第9-12页 |
| 1.3.2 运动物体的跟踪方法 | 第12-14页 |
| 1.4 主要研究内容 | 第14页 |
| 1.5 章节安排 | 第14-17页 |
| 第二章 基于相关的模板匹配跟踪算法研究 | 第17-36页 |
| 2.1 引言 | 第17-18页 |
| 2.2 图像模板匹配原理 | 第18-19页 |
| 2.3 相关跟踪算法 | 第19-22页 |
| 2.4 加权去均值归一化互相关测度 | 第22-23页 |
| 2.5 目标模板更新 | 第23-28页 |
| 2.6 实验结果和分析 | 第28-34页 |
| 2.7 小结 | 第34-36页 |
| 第三章 基于kalman滤波的行人跟踪预测算法 | 第36-48页 |
| 3.1 引言 | 第36-37页 |
| 3.2 kalman滤波算法原理 | 第37-41页 |
| 3.2.1 被估计的过程 | 第37-38页 |
| 3.2.2 滤波器的设计原型 | 第38-39页 |
| 3.2.3 离散kalman滤波器算法 | 第39-41页 |
| 3.3 基于kalman滤波的行人跟踪预测算法 | 第41-46页 |
| 3.4 实验结果和分析 | 第46-47页 |
| 3.5 小结 | 第47-48页 |
| 第四章 粒子滤波 | 第48-59页 |
| 4.1 引言 | 第48-49页 |
| 4.2 贝叶斯滤波理论 | 第49-50页 |
| 4.3 粒子滤波理论 | 第50-53页 |
| 4.4 基于直方图的粒子滤波跟踪算法 | 第53-56页 |
| 4.4.1 建立目标模板 | 第53-54页 |
| 4.4.2 基于直方图的粒子滤波行人跟踪算法 | 第54-56页 |
| 4.5 实验结果和分析 | 第56-58页 |
| 4.6 小结 | 第58-59页 |
| 第五章 单目视觉的行人距离估计 | 第59-68页 |
| 5.1 引言 | 第59-61页 |
| 5.2 视觉测距模型 | 第61-66页 |
| 5.3 实验结果和分析 | 第66-67页 |
| 5.4 小结 | 第67-68页 |
| 第六章 预警策略和预警机制 | 第68-72页 |
| 6.1 引言 | 第68页 |
| 6.2 预警策略和预警机制 | 第68-70页 |
| 6.3 小结 | 第70-72页 |
| 第七章 总结与展望 | 第72-74页 |
| 7.1 主要研究成果及创新点 | 第72-73页 |
| 7.2 展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第82页 |
