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

基于核函数的目标跟踪算法研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第10-27页
    1.1 研究背景第10-12页
    1.2 国内外研究现状第12-24页
        1.2.1 目标跟踪技术的研究现状第12-16页
        1.2.2 目标跟踪算法的构成第16-20页
        1.2.3 均值漂移和基于检测跟踪算法国内外研究现状第20-24页
    1.3 本文的研究内容及章节安排第24-26页
    1.4 本章小结第26-27页
第二章 均值漂移和关联滤波器理论第27-38页
    2.1 引言第27页
    2.2 均值漂移理论第27-31页
        2.2.1 核函数密度估计第27-28页
        2.2.2 密度梯度估计中的均值漂移向量第28-29页
        2.2.3 核函数的选择第29-31页
    2.3 关联滤波器理论第31-37页
        2.3.1 单通道滤波器第32-33页
        2.3.2 多通道关联滤波器第33-37页
    2.4 本章小结第37-38页
第三章 改进颜色直方图和抗遮挡的均值漂移目标跟踪算法第38-52页
    3.1 引言第38页
    3.2 均值漂移目标跟踪算法的实现第38-41页
        3.2.1 目标颜色直方图模板描述第39页
        3.2.2 候选目标颜色直方图模板描述第39-40页
        3.2.3 相似度函数第40页
        3.2.4 目标定位第40-41页
        3.2.5 均值漂移目标跟踪算法流程第41页
    3.3 基于交叉区间颜色直方图的均值漂移算法第41-45页
        3.3.1 传统区间-区间颜色直方图的不足第41-43页
        3.3.2 平滑颜色直方图第43-44页
        3.3.3 像素权重的计算第44-45页
    3.4 抗遮挡的全局搜索方法第45-47页
        3.4.1 传统均值漂移算法局部最优的局限性第45-46页
        3.4.2 变尺度的全局搜索算法第46-47页
    3.5 跟踪算法的实施流程第47-48页
    3.6 实验结果与分析第48-51页
    3.7 本章小结第51-52页
第四章 融合背景权重直方图的均值漂移目标跟踪改进算法第52-72页
    4.1 引言第52页
    4.2 融合两层卡尔曼滤波的均值漂移算法第52-59页
        4.2.1 卡尔曼滤波第52-54页
        4.2.2 两层卡尔曼滤波的引入第54-59页
    4.3 目标模板更新的条件及准则第59页
    4.4 背景权重直方图减少背景干扰第59-63页
        4.4.1 背景权重直方图第60-61页
        4.4.2 矫正的背景权重直方图第61-63页
    4.5 跟踪算法的实施流程第63-64页
    4.6 实验结果与分析第64-71页
    4.7 本章小结第71-72页
第五章 扩展多通道关联滤波器目标跟踪算法第72-102页
    5.1 引言第72页
    5.2 核函数岭回归第72-76页
        5.2.1 希尔伯特空间第74-75页
        5.2.2 核函数及相关引理第75页
        5.2.3 核函数的构造第75-76页
    5.3 从时域重新审视最小化均方误差输出和滤波器第76-77页
    5.4 扩展多通道关联滤波器框架第77-85页
        5.4.1 基础训练样本为1时的模型构建第77-78页
        5.4.2 基础训练样本为1时的模型求解第78-81页
        5.4.3 基础训练样本为N时的模型构建第81-82页
        5.4.4 基础训练样本为N时的模型求解第82-85页
    5.5 利用扩展多通道关联滤波器实现目标跟踪第85-89页
        5.5.1 梯度直方图特征简介第85-87页
        5.5.2 跟踪算法的实施流程第87-88页
        5.5.3 与核函数关联滤波器的区别第88-89页
    5.6 实验结果与分析第89-101页
        5.6.1 预处理第90-91页
        5.6.2 算法复杂度分析与验证第91页
        5.6.3 定量评价第91-94页
        5.6.4 定性评价第94-101页
    5.7 本章小结第101-102页
第六章 总结与展望第102-104页
    6.1 研究工作的总结第102-103页
    6.2 下一步工作的展望第103-104页
参考文献第104-119页
攻读博士学位期间发表的学术论文第119页
攻读博士学位期间参与的课题第119-120页
致谢第120页

论文共120页,点击 下载论文
上一篇:基于极限学习机马尔可夫模型的结构健康状态预测研究
下一篇:钢—预制带肋底板混凝土叠合板组合梁抗弯试验研究