基于局部特征的视频目标跟踪方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-12页 |
| ·课题来源 | 第11页 |
| ·研究背景及意义 | 第11-12页 |
| ·目标跟踪方法研究现状 | 第12-16页 |
| ·目标跟踪技术概述 | 第12-14页 |
| ·视频目标跟踪技术国内外发展现状及应用 | 第14-16页 |
| ·论文主要工作及创新点 | 第16页 |
| ·论文主要工作 | 第16页 |
| ·论文主要创新点 | 第16页 |
| ·论文结构安排 | 第16-18页 |
| 第二章 视频目标跟踪算法关键技术 | 第18-29页 |
| ·概述 | 第18页 |
| ·基本图像特征描述 | 第18-19页 |
| ·颜色特征 | 第18-19页 |
| ·形状特征 | 第19页 |
| ·纹理特征 | 第19页 |
| ·图像特征评价标准 | 第19-23页 |
| ·检测算子评价 | 第20-22页 |
| ·特征描述子评价 | 第22-23页 |
| ·图像特征相似性度量及匹配方法 | 第23-25页 |
| ·欧氏距离 | 第23-24页 |
| ·加权距离 | 第24页 |
| ·Haussdorff 距离及其改进 | 第24-25页 |
| ·视频目标跟踪算法分类及介绍 | 第25-28页 |
| ·基于区域匹配的跟踪算法 | 第26页 |
| ·基于特征匹配的跟踪算法 | 第26页 |
| ·基于运动特性的跟踪算法 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第三章 局部特征的检测和提取 | 第29-61页 |
| ·引言 | 第29页 |
| ·SIFT 算法测试分析 | 第29-46页 |
| ·SIFT 算法原理 | 第30-43页 |
| ·SIFT 特征匹配 | 第43-44页 |
| ·SIFT 算法与 Harris 角点检测的比较 | 第44-46页 |
| ·SURF 算法测试分析 | 第46-56页 |
| ·SURF 算法原理 | 第46-54页 |
| ·SURF 特征匹配 | 第54-56页 |
| ·SIFT 和 SURF 算法的性能比较分析 | 第56-60页 |
| ·两种特征描述符对于图像旋转变化的测试 | 第57-58页 |
| ·两种特征描述符对于图像尺度改变的测试 | 第58-59页 |
| ·两种特征描述符对于图像光照变化的测试 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第四章 基于 SURF 特征的目标跟踪算法实现 | 第61-85页 |
| ·引言 | 第61页 |
| ·基于 SURF 特征的目标跟踪方法研究 | 第61-71页 |
| ·BBF 算法原理 | 第61-67页 |
| ·RANSAC 消除误匹配 | 第67-68页 |
| ·K-mean 均值聚类算法 | 第68页 |
| ·基于 SURF 特征的视频目标跟踪实现过程 | 第68-70页 |
| ·视频目标跟踪算法流程 | 第70-71页 |
| ·实验结果和算法分析 | 第71-84页 |
| ·OpenCV 简介 | 第71-72页 |
| ·实验性 SURF 特征目标跟踪系统 | 第72-81页 |
| ·实验结果定量分析 | 第81-84页 |
| ·小结 | 第84-85页 |
| 第五章 总结与展望 | 第85-87页 |
| ·研究工作总结 | 第85页 |
| ·展望 | 第85-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 攻读硕士学位期间的研究成果 | 第93-94页 |
