视频运动目标跟踪算法的研究
| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究的现状及面临的难题 | 第10-12页 |
| 1.2.1 研究现状 | 第10-12页 |
| 1.2.2 研究面临的难题 | 第12页 |
| 1.3 本文的主要研究工作 | 第12-14页 |
| 第二章 TLD和KCF跟踪算法介绍 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 TLD算法 | 第14-22页 |
| 2.2.1 检测器 | 第15-18页 |
| 2.2.2 跟踪器 | 第18页 |
| 2.2.3 学习器 | 第18-19页 |
| 2.2.4 TLD算法流程及实验 | 第19-22页 |
| 2.3 KCF算法 | 第22-25页 |
| 2.3.1 KCF原理 | 第22-23页 |
| 2.3.2 KCF实验分析 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 CBLID算法及其应用 | 第26-33页 |
| 3.1 引言 | 第26页 |
| 3.2 CBLID算法 | 第26-29页 |
| 3.2.1 CDoFAST特征点 | 第26-28页 |
| 3.2.2 方向图 | 第28页 |
| 3.2.3 CBLID特征描述子 | 第28-29页 |
| 3.3 算法实现及结果分析 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 粒子滤波理论及其在目标跟踪中的应用 | 第33-48页 |
| 4.1 引言 | 第33-34页 |
| 4.2 粒子滤波理论 | 第34-40页 |
| 4.2.1 贝叶斯滤波原理 | 第34-36页 |
| 4.2.2 蒙特卡罗方法 | 第36页 |
| 4.2.3 粒子滤波器 | 第36-40页 |
| 4.3 粒子滤波算法在目标跟踪中的应用 | 第40-47页 |
| 4.3.1 系统状态空间及动态模型的建立 | 第40-41页 |
| 4.3.2 目标模型的建立 | 第41页 |
| 4.3.3 相似度评价 | 第41-42页 |
| 4.3.4 目标模板的更新 | 第42页 |
| 4.3.5 目标位置估计 | 第42页 |
| 4.3.6 算法原理步骤 | 第42-44页 |
| 4.3.7 实验及结果分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于CBLID特征的粒子滤波跟踪算法 | 第48-56页 |
| 5.1 引言 | 第48页 |
| 5.2 基于CBLID特征的粒子滤波跟踪算法 | 第48-55页 |
| 5.2.1 算法的基本原理 | 第48-49页 |
| 5.2.2 粒子权值更新 | 第49-50页 |
| 5.2.3 目标模板更新 | 第50-51页 |
| 5.2.4 算法流程 | 第51-52页 |
| 5.2.5 跟踪实验及结果分析 | 第52-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
