视频序列中运动目标跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 引言 | 第9-10页 |
| 1.2 课题研究的背景和意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 目标跟踪方面关键性问题 | 第14-16页 |
| 1.5 论文进行的主要工作和结构安排 | 第16-18页 |
| 第二章 运动目标检测 | 第18-32页 |
| 2.1 帧间差分法 | 第18-19页 |
| 2.2 背景差分法 | 第19-22页 |
| 2.2.1 均值法背景建模 | 第19-20页 |
| 2.2.2 单高斯分布背景模型 | 第20-21页 |
| 2.2.3 混合高斯分布背景模型 | 第21-22页 |
| 2.3 光流法 | 第22-23页 |
| 2.4 基于改进视觉背景提取算法的运动目标检测 | 第23-32页 |
| 2.4.1 ViBe背景建模的工作原理 | 第23-24页 |
| 2.4.2 模型的初始化方法 | 第24-25页 |
| 2.4.3 模型的更新策略 | 第25页 |
| 2.4.4 视觉背景提取算法的可改进之处 | 第25-26页 |
| 2.4.5 结合场景复杂度的模型动态更新 | 第26-27页 |
| 2.4.6 结合自适应阀值的阴影消除 | 第27-28页 |
| 2.4.7 改进的ViBe算法流程 | 第28-29页 |
| 2.4.8 实验结果与分析 | 第29-32页 |
| 第三章 目标跟踪理论及算法 | 第32-49页 |
| 3.1 目标跟踪理论 | 第32-33页 |
| 3.2 Mean Shift算法 | 第33-35页 |
| 3.3 kalman滤波算法 | 第35-37页 |
| 3.4 粒子滤波算法 | 第37-42页 |
| 3.4.1 蒙特卡罗思想 | 第37-38页 |
| 3.4.2 贝叶斯重要性采样 | 第38-39页 |
| 3.4.3 序列重要性采样 | 第39-40页 |
| 3.4.4 粒子重采样过程 | 第40页 |
| 3.4.5 粒子滤波算法流程 | 第40-42页 |
| 3.5 基于遮挡冲突集合的交互粒子滤波跟踪算法 | 第42-49页 |
| 3.5.1 粒子空间位置冲突判断 | 第44-45页 |
| 3.5.2 似然函数选取 | 第45页 |
| 3.5.3 交互粒子滤波跟踪过程 | 第45-47页 |
| 3.5.4 实验效果分析 | 第47-49页 |
| 第四章 多目标跟踪系统 | 第49-61页 |
| 4.1 多目标跟踪的基本原理 | 第49-50页 |
| 4.2 多目标跟踪系统架构 | 第50-57页 |
| 4.2.1 前景块和跟踪块的目标关联 | 第52页 |
| 4.2.2 构造关联矩阵 | 第52-53页 |
| 4.2.3 目标出现和消失 | 第53-54页 |
| 4.2.4 全局最近邻驗据关联 | 第54-56页 |
| 4.2.5 基于匈牙利算法的最优匹配 | 第56-57页 |
| 4.3 实验结果分析 | 第57-61页 |
| 第五章 总结和展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间取得的科研成果 | 第69-71页 |
