Mean Shift及相关算法在视频跟踪中的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-24页 |
| ·引言 | 第12-13页 |
| ·目标跟踪的算法综述 | 第13-20页 |
| ·以假设条件为依据的分类 | 第14-17页 |
| ·基本假设条件的跟踪 | 第14-15页 |
| ·基于运动模型的跟踪 | 第15-16页 |
| ·多线索融合的跟踪 | 第16页 |
| ·基于目标表达的跟踪 | 第16-17页 |
| ·基于特征的目标跟踪算法 | 第17-20页 |
| ·特征的选择及提取 | 第18-19页 |
| ·基于特征的算法的结构 | 第19-20页 |
| ·跟踪问题的困扰因素和目标检测 | 第20-21页 |
| ·跟踪问题的困扰因素 | 第20页 |
| ·目标检测方法 | 第20-21页 |
| ·静止背景下的目标检测和提取 | 第20-21页 |
| ·动态背景下的目标检测 | 第21页 |
| ·论文的内容概要 | 第21-23页 |
| ·本论文的创新点 | 第23-24页 |
| 第2章 Mean Shift理论 | 第24-42页 |
| ·引言 | 第24-25页 |
| ·无参密度估计理论 | 第25-29页 |
| ·参数密度估计 | 第25-26页 |
| ·无参密度估计 | 第26-28页 |
| ·无参密度估计的收敛性 | 第28-29页 |
| ·Mean Shift理论 | 第29-38页 |
| ·多维空间下的的无参密度估计 | 第29-31页 |
| ·Mean Shift向量 | 第31-33页 |
| ·Mean Shift算法收敛性讨论 | 第33-35页 |
| ·光滑轨迹性质 | 第35-38页 |
| ·目标跟踪中的Mean Shift | 第38-41页 |
| ·目标模型的描述 | 第39页 |
| ·候选模型的描述 | 第39-40页 |
| ·相似性函数 | 第40页 |
| ·目标定位 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 快速运动目标的Mean Shift跟踪 | 第42-54页 |
| ·引言 | 第42页 |
| ·理论分析 | 第42-44页 |
| ·算法回顾与分析 | 第42-44页 |
| ·改进算法 | 第44-47页 |
| ·卡尔曼滤波器建模 | 第44-46页 |
| ·遮挡问题的处理 | 第46-47页 |
| ·试验分析 | 第47-52页 |
| ·试验一 | 第47-49页 |
| ·试验二 | 第49-51页 |
| ·试验三 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第4章 Mean Shift算法的模板更新算法 | 第54-68页 |
| ·引言 | 第54-55页 |
| ·三基色原理及RGB颜色空间 | 第55-57页 |
| ·彩色视觉的三基色原理 | 第55-56页 |
| ·RGB颜色空间 | 第56-57页 |
| ·Mean Shift算法颜色子空间的分解 | 第57-59页 |
| ·RGB颜色空间的颜色子空间 | 第58页 |
| ·颜色空间的分解 | 第58-59页 |
| ·卡尔曼滤波器组的设计 | 第59-63页 |
| ·单个卡尔曼滤波器的设计 | 第60-61页 |
| ·滤波器参数设定 | 第61-62页 |
| ·滤波器残差方差的计算 | 第61页 |
| ·滤波器参数设定 | 第61-62页 |
| ·模板更新策略 | 第62-63页 |
| ·虚拟滤波器组的计算 | 第62-63页 |
| ·模板更新策略 | 第63页 |
| ·实验结果与分析 | 第63-65页 |
| ·本章小结 | 第65-68页 |
| 第5章 基于核直方图的粒子滤波器算法 | 第68-96页 |
| ·引言 | 第68-69页 |
| ·贝叶斯滤波原理 | 第69-72页 |
| ·蒙特卡罗方法 | 第72-73页 |
| ·粒子滤波器 | 第73-85页 |
| ·重要性采样(IS) | 第73-75页 |
| ·序列重要性采样(SIS) | 第75-79页 |
| ·退化现象 | 第79-82页 |
| ·选择好的重要性密度分布 | 第79-80页 |
| ·重采样方法 | 第80-82页 |
| ·粒子滤波器在目标跟踪中的应用 | 第82-85页 |
| ·系统动态模型 | 第82页 |
| ·系统观测模型 | 第82-83页 |
| ·目标位置的确定 | 第83-85页 |
| ·基于核直方图的粒子滤波器算法 | 第85-91页 |
| ·引言 | 第85-86页 |
| ·系统动态模型的设计 | 第86-87页 |
| ·系统观测模型的设计 | 第87-90页 |
| ·观测模型的设计 | 第87-88页 |
| ·核函数的选择和带宽的确定 | 第88页 |
| ·模板更新 | 第88-90页 |
| ·目标位置的确定 | 第90页 |
| ·重采样 | 第90页 |
| ·算法结构 | 第90-91页 |
| ·实验结果与分析 | 第91-95页 |
| ·本章小结 | 第95-96页 |
| 第6章 基于Mean Shift的粒子滤波器 | 第96-108页 |
| ·引言 | 第96页 |
| ·Mean Shift算法的聚类作用 | 第96-98页 |
| ·所有粒子的密度无参估计 | 第96-97页 |
| ·Mean Shift向量 | 第97-98页 |
| ·粒子滤波器算法回顾 | 第98-99页 |
| ·基于Mean Shift的粒子滤波器 | 第99-104页 |
| ·基本原理 | 第99-101页 |
| ·具体算法设计 | 第101-104页 |
| ·系统动态模型 | 第101页 |
| ·系统观测模型 | 第101-102页 |
| ·目标位置的确定 | 第102页 |
| ·重采样 | 第102页 |
| ·Mean Shift收敛粒子 | 第102-103页 |
| ·Mean Shift收敛粒子中核函数及带宽问题 | 第103-104页 |
| ·试验结果与分析 | 第104页 |
| ·本章小结 | 第104-108页 |
| 第7章 总结与展望 | 第108-110页 |
| ·总结 | 第108-109页 |
| ·展望 | 第109-110页 |
| 参考文献 | 第110-116页 |
| 攻读学位期间发表或录用的学术论文 | 第116-118页 |
| 致谢 | 第118页 |
