基于PTZ摄像机的运动目标跟踪算法研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景与意义 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| ·研究现状 | 第13-15页 |
| ·国外研究现状 | 第13-14页 |
| ·国内研究现状 | 第14-15页 |
| ·基于PTZ的运动目标跟踪难点及方法分类 | 第15-17页 |
| ·基于PTZ的运动目标跟踪难点 | 第15-16页 |
| ·基于PTZ的运动目标跟踪方法分类 | 第16-17页 |
| ·论文结构及章节安排 | 第17-18页 |
| 第2章 基于PTZ的运动目标跟踪算法研究 | 第18-24页 |
| ·Mean Shift算法在跟踪中的应用 | 第18-21页 |
| ·目标模型描述 | 第18-19页 |
| ·候选模型描述 | 第19页 |
| ·相似性函数 | 第19页 |
| ·目标定位 | 第19-21页 |
| ·粒子滤波算法在跟踪中的应用 | 第21-23页 |
| ·初始化 | 第21页 |
| ·粒子状态转移 | 第21页 |
| ·粒子状态观测更新过程 | 第21-22页 |
| ·后验概率计算 | 第22页 |
| ·重采样 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于在线学习的运动目标跟踪方法研究 | 第24-41页 |
| ·引言 | 第24页 |
| ·基于在线学习的运动目标跟踪方法应用现状及分析 | 第24-26页 |
| ·AdaBoost方法 | 第25页 |
| ·Co-Training方法 | 第25-26页 |
| ·MILBoost方法 | 第26页 |
| ·其他方法 | 第26页 |
| ·基于在线AdaBoost的目标跟踪 | 第26-37页 |
| ·特征提取方法 | 第27-32页 |
| ·弱分类器的形式 | 第32-34页 |
| ·AdaBoost算法描述 | 第34-36页 |
| ·基于在线AdaBoost的目标跟踪算法 | 第36-37页 |
| ·实验结果与分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于在线MILBoost的粒子滤波算法 | 第41-56页 |
| ·引言 | 第41页 |
| ·基于在线MILBoost的跟踪原理及算法 | 第41-48页 |
| ·AnyBoost原理 | 第42-43页 |
| ·基于AnyBoost的一种增强算法 | 第43-45页 |
| ·MILBoost分类器的算法原理 | 第45-47页 |
| ·基于在线MILBoost的跟踪算法原理 | 第47-48页 |
| ·基于在线MILBoost的粒子滤波算法 | 第48-51页 |
| ·改进的在线MILBoost算法 | 第48-49页 |
| ·算法流程 | 第49页 |
| ·算法步骤 | 第49-50页 |
| ·算法分析 | 第50-51页 |
| ·实验结果及分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于PTZ摄像机的跟踪控制系统 | 第56-66页 |
| ·高速球PTZ协议 | 第56-58页 |
| ·PTZ跟踪任务与跟踪中的问题 | 第58页 |
| ·PTZ跟踪任务 | 第58页 |
| ·PTZ跟踪中的问题 | 第58页 |
| ·PTZ跟踪控制系统设计 | 第58-63页 |
| ·目标选择状态 | 第59-60页 |
| ·P/T控制状态 | 第60-63页 |
| ·ZOOM控制状态 | 第63页 |
| ·实验结果与分析 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第6章 总结与展望 | 第66-69页 |
| ·工作总结 | 第66页 |
| ·展望 | 第66-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |
