视频序列中目标跟踪技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-19页 |
| ·目标跟踪问题 | 第12页 |
| ·目标跟踪技术的应用 | 第12-15页 |
| ·本文研究的主要内容及安排 | 第15-17页 |
| 参考文献 | 第17-19页 |
| 第二章 视频跟踪算法综述 | 第19-49页 |
| ·跟踪目标的视觉特征 | 第19-22页 |
| ·目标的特征描述 | 第19-20页 |
| ·跟踪算法的目标特征选取 | 第20-22页 |
| ·视频跟踪问题分类 | 第22-24页 |
| ·研究现状与跟踪算法分类 | 第24-38页 |
| ·基于检测的方法 | 第25-28页 |
| ·基于区域的方法 | 第28-30页 |
| ·基于统计学习模型的跟踪 | 第30-36页 |
| ·基于形状匹配的方法 | 第36-37页 |
| ·基于围道的跟踪方法 | 第37-38页 |
| ·跟踪问题的难点与展望 | 第38-42页 |
| ·目标的遮挡问题 | 第38-39页 |
| ·算法的性能评估 | 第39-40页 |
| ·目标跟踪技术展望 | 第40-42页 |
| 参考文献 | 第42-49页 |
| 第三章 基于核密度相似度量的目标跟踪方法 | 第49-66页 |
| ·引言 | 第49-50页 |
| ·Mean Shift理论基础 | 第50-56页 |
| ·多维空间下的非参数密度估计 | 第50-52页 |
| ·Mean Shift向量 | 第52-54页 |
| ·Mean Shift算法收敛性讨论 | 第54-56页 |
| ·基于单独颜色直方图的Mean Shift算法 | 第56-58页 |
| ·颜色分布特征建模 | 第56-57页 |
| ·Mean Shift算法描述 | 第57-58页 |
| ·核密度相关度量 | 第58-59页 |
| ·基于核密度相关度量的Mean Shift算法 | 第59-61页 |
| ·实验结果和分析 | 第61-63页 |
| ·小结 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 第四章 基于GMM的类EM视频跟踪方法 | 第66-85页 |
| ·期望最大化EM算法基础 | 第66-67页 |
| ·高斯混合模型概述 | 第67-71页 |
| ·单一高斯概率密度函数 | 第68-69页 |
| ·高斯混合密度函数 | 第69-71页 |
| ·基于GMM的类EM视频跟踪算法 | 第71-77页 |
| ·目标区域建模 | 第71-72页 |
| ·模型参数估计 | 第72-74页 |
| ·γ规整项的引入 | 第74-75页 |
| ·高斯混合模型权值的推导 | 第75-76页 |
| ·算法实现 | 第76-77页 |
| ·算法仿真及分析 | 第77-82页 |
| ·目标区域由大变小的情况 | 第77-79页 |
| ·目标区域由小变大的情况 | 第79-80页 |
| ·目标在长宽方向变化不同的情况 | 第80-81页 |
| ·结果分析 | 第81-82页 |
| ·实际环境下的目标跟踪结果及分析 | 第82页 |
| ·道路车辆监控跟踪结果 | 第82页 |
| ·小结 | 第82-84页 |
| 参考文献 | 第84-85页 |
| 第五章 基于颜色分布的混合视频跟踪方法 | 第85-106页 |
| ·贝叶斯滤波原理 | 第85-88页 |
| ·粒子滤波方法基础 | 第88-94页 |
| ·贝叶斯重要采样算法 | 第88-90页 |
| ·序贯重要采样算法 | 第90-91页 |
| ·退化问题 | 第91-94页 |
| ·颜色分布模型 | 第94-95页 |
| ·Mean shift算法框架 | 第95-96页 |
| ·粒子滤波视频跟踪算法框架 | 第96-98页 |
| ·样本分布初始化 | 第97页 |
| ·重要性采样 | 第97页 |
| ·系统的运动模型 | 第97-98页 |
| ·系统的观测模型 | 第98页 |
| ·后验概率计算 | 第98页 |
| ·基于颜色分布的混合算法 | 第98-101页 |
| ·粒子自适应选择单元 | 第100页 |
| ·参考目标模板更新 | 第100-101页 |
| ·实验结果与分析 | 第101-103页 |
| ·实验一 | 第101-102页 |
| ·实验二 | 第102-103页 |
| ·小结 | 第103-104页 |
| 参考文献 | 第104-106页 |
| 第六章 基于JMPD的多目标视频跟踪 | 第106-122页 |
| ·引言 | 第106-107页 |
| ·JMPD方法概述 | 第107-108页 |
| ·JMPD方法的粒子滤波实现 | 第108-113页 |
| ·单目标粒子滤波器 | 第109-110页 |
| ·SIR多目标粒子滤波器 | 第110-111页 |
| ·两种新的粒子生成方法 | 第111-113页 |
| ·基于目标颜色分布的JMPD粒子滤波算法框架 | 第113-117页 |
| ·系统的运动模型 | 第113-114页 |
| ·目标的观测模型 | 第114-115页 |
| ·算法的总体框架 | 第115-116页 |
| ·算法的具体步骤 | 第116-117页 |
| ·实验结果及分析 | 第117-119页 |
| ·合成视频的跟踪结果 | 第117-118页 |
| ·运动场景下的球员跟踪 | 第118-119页 |
| ·小结 | 第119-120页 |
| 参考文献 | 第120-122页 |
| 第七章 总结与展望 | 第122-125页 |
| ·全文总结 | 第122-123页 |
| ·本文的创新点 | 第123-124页 |
| ·未来工作的研究方向和主要内容 | 第124-125页 |
| 附录 | 第125-126页 |
| 致谢 | 第126页 |
