| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 视频多目标跟踪国内外研究发展与现状 | 第11-14页 |
| 1.3 多目标跟踪面临的主要困难 | 第14-15页 |
| 1.4 本文的主要贡献与创新 | 第15-16页 |
| 1.5 论文的结构安排 | 第16-17页 |
| 第二章 DPM检测及概率图跟踪模型 | 第17-32页 |
| 2.1 基于可变部件模型的目标检测 | 第17-27页 |
| 2.1.1 目标检测概述 | 第17-19页 |
| 2.1.2 可变部件模型(DPM) | 第19-24页 |
| 2.1.3 对重复检测的非极大值抑制 | 第24-25页 |
| 2.1.4 剔除误检目标 | 第25-27页 |
| 2.2 多目标跟踪中的常用的概率图模型 | 第27-31页 |
| 2.2.1 隐马尔可夫模型 | 第27页 |
| 2.2.2 马尔可夫随机场 | 第27-28页 |
| 2.2.3 条件随机场模型 | 第28-29页 |
| 2.2.4 网络流模型 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 轨迹片段生成方法 | 第32-54页 |
| 3.1 基于特征匹配的轨迹片段生成方法 | 第32-39页 |
| 3.1.1 基于颜色特征的方法 | 第32-34页 |
| 3.1.2 基于位置特征的方法 | 第34-35页 |
| 3.1.3 基于SIFT特征的方法 | 第35-39页 |
| 3.2 基于光流法的轨迹片段生成方法 | 第39-50页 |
| 3.2.1 Lucas-Kanada光流算法原理 | 第39-45页 |
| 3.2.2 基于光流法的特征点跟踪 | 第45-47页 |
| 3.2.3 利用光流实现检测框的匹配 | 第47-50页 |
| 3.3 生成轨迹片段的实验及结果 | 第50-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于轨迹片段集的视频多目标跟踪方法 | 第54-74页 |
| 4.1 轨迹片段关联算法基本框架 | 第54-56页 |
| 4.2 轨迹片段图模型中边的成本计算 | 第56-70页 |
| 4.2.1 轨迹片段中提取有效的目标颜色特征以及相似度计算 | 第56-65页 |
| 4.2.2 轨迹片段的运动估计及轨迹片段间的位置相关度计算 | 第65-68页 |
| 4.2.3 轨迹片段平滑度的计算 | 第68页 |
| 4.2.4 轨迹片段网络流图的费用计算 | 第68-69页 |
| 4.2.5 在轨迹片段的网络流中的约束条件 | 第69-70页 |
| 4.3 基于最短路径的网络流的求解 | 第70-72页 |
| 4.4 实验结果 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 跟踪系统的实验及评估 | 第74-83页 |
| 5.1 整体框架介绍 | 第74-76页 |
| 5.2 多目标跟踪性能的评价指标 | 第76-78页 |
| 5.3 实验结果及分析 | 第78-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 全文总结 | 第83-84页 |
| 6.2 工作展望 | 第84-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-89页 |