动态背景下运动目标的检测与跟踪
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 课题研究现状 | 第14-15页 |
| 1.2.1 目标检测研究现状 | 第14页 |
| 1.2.2 目标跟踪研究现状 | 第14-15页 |
| 1.3 论文的结构安排及主要贡献 | 第15-17页 |
| 1.3.1 论文的结构安排 | 第15页 |
| 1.3.2 主要贡献 | 第15-17页 |
| 第二章 全局运动背景补偿 | 第17-33页 |
| 2.1 全局运动参数模型 | 第17-19页 |
| 2.2 特征点检测算法介绍 | 第19-27页 |
| 2.2.1 Harris角点检测算法 | 第20-22页 |
| 2.2.2 SUSAN算法 | 第22-24页 |
| 2.2.3 DoG算法 | 第24-27页 |
| 2.2.4 三种算法对比 | 第27页 |
| 2.3 SURF算法 | 第27-30页 |
| 2.3.1 特征点检测 | 第28-29页 |
| 2.3.2 特征描述 | 第29页 |
| 2.3.3 特征点匹配 | 第29-30页 |
| 2.4 全局运动参量的估计 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 运动目标的检测 | 第33-41页 |
| 3.1 静态背景下的变化检测 | 第33-37页 |
| 3.1.1 光流法 | 第33-34页 |
| 3.1.2 背景减除法 | 第34-36页 |
| 3.1.3 帧间差分法 | 第36-37页 |
| 3.2 差分图像的后续处理 | 第37-39页 |
| 3.2.1 二值化 | 第37页 |
| 3.2.2 形态学滤波 | 第37-39页 |
| 3.3 运动目标的定位 | 第39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 运动目标的跟踪 | 第41-59页 |
| 4.1 检测模块 | 第41-46页 |
| 4.1.1 方差分类器 | 第42页 |
| 4.1.2 集成分类器 | 第42-45页 |
| 4.1.3 最近邻分类器 | 第45-46页 |
| 4.2 跟踪模块 | 第46-49页 |
| 4.2.1 LK光流法 | 第46-48页 |
| 4.2.2 跟踪流程 | 第48-49页 |
| 4.3 综合模块 | 第49-50页 |
| 4.4 学习模块 | 第50-54页 |
| 4.4.1 PN学习 | 第50-53页 |
| 4.4.2 学习模块流程 | 第53-54页 |
| 4.5 TLD算法的改进 | 第54-57页 |
| 4.5.1 学习模块改进 | 第54-55页 |
| 4.5.2 检测器搜索部分的改进 | 第55-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 实验结果 | 第59-63页 |
| 5.1 实验数据集 | 第59页 |
| 5.2 目标检测 | 第59-60页 |
| 5.3 目标跟踪 | 第60-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 研究工作总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |
