首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

视频监控目标的跟踪与识别研究

摘要第1-7页
Abstract第7-10页
目录第10-13页
图序第13-15页
表序第15-16页
第1章 绪论第16-30页
   ·研究背景与意义第16-17页
   ·视频监控的目标跟踪与识别框架研究第17-18页
   ·国内外研究现状第18-25页
     ·视频监控系统的研究现状第18-20页
     ·主要视频监控算法的研究现状第20-25页
   ·存在的关键问题第25-26页
   ·论文主要研究工作及创新性成果第26-28页
   ·论文的章节内容安排第28-30页
第2章 局部特征与全局特征联合的光照变化自适应抑制第30-52页
   ·引言第30-32页
   ·LGA 算法概述第32-33页
   ·结合全局特征的局部对比度增强第33-39页
     ·SVLM 局部对比度增强原理第34-36页
     ·对 SVLM 算法的改进第36页
     ·基于全局特征的 SVLM 算法伽马系数自适应校正第36-39页
   ·结合局部特征的全局增强第39-44页
     ·直方图修正与平滑第40-42页
     ·区域相似性直方图平滑第42-44页
   ·实验结果分析第44-50页
     ·视频图像增强的客观标准评价第45-48页
     ·复杂光照下人脸检测与识别应用评价第48-50页
   ·本章小结第50-52页
第3章 在线极端学习机与粒子滤波级联的实时目标跟踪第52-72页
   ·引言第52-54页
   ·OSELM-PFT 算法涉及的基本理论第54-58页
     ·标准 ELM 原理第54-55页
     ·在线 ELM 原理第55-56页
     ·传统粒子滤波算法原理第56-58页
   ·OSELM-PFT 算法概述第58-60页
   ·OSELM-PFT 算法设计第60-63页
     ·OSELM-PFT 算法的分类器设计第60-62页
     ·OSELM-PFT 目标定位算法设计第62-63页
   ·实验结果与分析第63-70页
     ·抗目标姿态变化跟踪第64-66页
     ·抗目标遮挡跟踪第66-67页
     ·快速运动目标的跟踪第67-69页
     ·计算效率分析第69-70页
   ·本章小结第70-72页
第4章 基于视觉字典的在线 ELM 目标检测和跟踪第72-84页
   ·引言第72-73页
   ·BW-OSELM-PFT 算法概述第73-74页
   ·BW-OSELM-PFT 目标检测和跟踪第74-79页
     ·视觉字典的构建第74-76页
     ·基于视觉字典的目标丢失判别第76-77页
     ·基于 Ransac 的尺度与旋转系数计算第77-78页
     ·视觉字典的更新第78-79页
   ·实验结果分析第79-83页
     ·目标丢失判别第79-80页
     ·目标尺度变化第80-81页
     ·抗遮挡性能第81-82页
     ·计算复杂度分析第82-83页
   ·本章小结第83-84页
第5章 具有光照、姿态和尺度不变特性的视频人脸识别第84-102页
   ·引言第84-86页
   ·本章视频人脸识别算法概述第86-88页
   ·基于概率外观流形的人脸识别算法第88-92页
     ·概率外观流形第88-91页
     ·学习流形和转移概率第91页
     ·PAM 视频人脸识别过程第91-92页
   ·基于图像集与概率外观流形的视频人脸识别方法第92-97页
     ·模糊图像判别和去除第92-93页
     ·流形姿态变化标定第93-94页
     ·流形相似性度量第94-97页
   ·实验结果分析第97-99页
     ·Honda/UCSD 数据库实验结果分析第98-99页
     ·网络数据库实验结果分析第99页
   ·本章小结第99-102页
第6章 总结与展望第102-106页
   ·论文工作总结第102-104页
   ·研究工作展望第104-106页
参考文献第106-120页
攻读博士学位期间发表学术论文与研究成果第120-122页
致谢第122-124页
作者简介第124页

论文共124页,点击 下载论文
上一篇:分布式全相参雷达参数估计及ISAR成像方法研究
下一篇:2D-Haar声学特征超向量生成及大规模说话人识别技术研究