基于视频的运动船只识别与跟踪技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·引言 | 第11页 |
| ·研究现状 | 第11-13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·论文结构安排 | 第14-15页 |
| 第二章 目标显著区域提取与目标跟踪方法研究 | 第15-25页 |
| ·目标显著区域提取方法研究 | 第15-19页 |
| ·基于区域生成的显著区域提取方法 | 第15-17页 |
| ·基于灰度阈值补偿算法的ROI提取 | 第17-18页 |
| ·模仿人眼视觉特性的显著区域提取 | 第18页 |
| ·基于视觉注意的显著区域提取 | 第18-19页 |
| ·目标识别方法研究 | 第19-20页 |
| ·基于模板的方法 | 第19-20页 |
| ·基于学习的方法 | 第20页 |
| ·目标跟踪方法研究 | 第20-23页 |
| ·基于区域的跟踪 | 第21页 |
| ·基于模型的跟踪 | 第21-22页 |
| ·基于轮廓的跟踪 | 第22页 |
| ·基于特征的跟踪 | 第22-23页 |
| ·小结 | 第23-25页 |
| 第三章 基于视觉注意和 HOG特征的船只目标检测 | 第25-53页 |
| ·基于视觉注意力模型的船只显著区域检测 | 第25-33页 |
| ·视觉注意力模型 | 第25-27页 |
| ·特征提取 | 第27-29页 |
| ·显著图生成 | 第29-30页 |
| ·显著性船只区域检测 | 第30-31页 |
| ·实验结果 | 第31-33页 |
| ·基于 HOG特征和 SVM学习机制的船只识别 | 第33-41页 |
| ·HOG特征 | 第33-35页 |
| ·船只图像 HOG特征提取 | 第35页 |
| ·SVM基本原理 | 第35-37页 |
| ·分类器训练和识别结果 | 第37-41页 |
| ·视觉注意与 HOG特征相融合的船只目标检测 | 第41-45页 |
| ·实验结果与分析 | 第45-52页 |
| ·船只检测结果比较 | 第45-49页 |
| ·结果分析 | 第49-52页 |
| ·小结 | 第52-53页 |
| 第四章 基于多特征融合的粒子滤波跟踪 | 第53-65页 |
| ·粒子滤波理论 | 第53-57页 |
| ·蒙特卡罗方法 | 第53-54页 |
| ·贝叶斯滤波原理 | 第54-55页 |
| ·粒子滤波原理 | 第55-57页 |
| ·基于多特征融合的粒子滤波跟踪算法 | 第57-62页 |
| ·特征描述 | 第57页 |
| ·目标模型 | 第57-60页 |
| ·多特征融合策略 | 第60-61页 |
| ·算法流程 | 第61-62页 |
| ·实验结果与分析 | 第62-64页 |
| ·系统流程 | 第62页 |
| ·海面运动目标跟踪结果 | 第62-64页 |
| ·小结 | 第64-65页 |
| 第五章 结束语 | 第65-67页 |
| ·主要工作总结 | 第65-66页 |
| ·将来工作的展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 研究生期间发表论文及参与项目 | 第73-75页 |
| 致谢 | 第75页 |
