基于SIFT算法的视频流中运动目标识别方法研究
| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-14页 |
| ·课题研究背景与意义 | 第11页 |
| ·国内外研究现状分析 | 第11-12页 |
| ·论文的主要工作及组织结构 | 第12-14页 |
| 第2章 视频中运动目标提取方法分析与实现 | 第14-25页 |
| ·运动目标提取概述 | 第14-16页 |
| ·常见的运动检测方法 | 第16-18页 |
| ·帧间差分方法 | 第16-17页 |
| ·背景差分方法 | 第17-18页 |
| ·背景模型构建 | 第18-22页 |
| ·帧间差分构建背景模型 | 第18-20页 |
| ·高斯模型法构建背景模型 | 第20-22页 |
| ·目标轮廓的精确处理 | 第22-24页 |
| ·膨胀 | 第23页 |
| ·腐蚀 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 运动目标的模型分析与表示 | 第25-39页 |
| ·尺度空间理论 | 第25页 |
| ·尺度空间的特征检测 | 第25-26页 |
| ·SIFT 算法分析 | 第26-33页 |
| ·构建尺度空间 | 第27-29页 |
| ·局部极值点检测 | 第29-30页 |
| ·特征点定位与筛选 | 第30-31页 |
| ·特征点的方向分配 | 第31-32页 |
| ·特征点描述符 | 第32-33页 |
| ·HARRIS角点检测器 | 第33-36页 |
| ·Harris 角点检测原理分析 | 第33-35页 |
| ·Harris 角点检测步骤 | 第35-36页 |
| ·HARRIS与 SIFT 的算法结合与改进 | 第36-37页 |
| ·目标图像的 BOW 模型表示 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 分类判别模型的分析与设计 | 第39-52页 |
| ·图像样本采集 | 第39-40页 |
| ·ADABOOST算法 | 第40-46页 |
| ·Boosting 的由来 | 第40-41页 |
| ·Boosting 的产生背景和基本思想 | 第41-42页 |
| ·AdaBoost 算法思想 | 第42-44页 |
| ·二值样本训练 | 第44-46页 |
| ·ADABOOST分类模型总体设计 | 第46-48页 |
| ·训练参数的初始化 | 第46-47页 |
| ·分类模型训练 | 第47-48页 |
| ·分类模型测试与评价参数 | 第48页 |
| ·分类器的数据分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 仿真实验分析及应用研究 | 第52-60页 |
| ·视频分析的结构设计 | 第52-53页 |
| ·仿真实验分析 | 第53-55页 |
| ·有效性验证 | 第55-58页 |
| ·应用环境研究 | 第58-60页 |
| 第6章 总结与展望 | 第60-62页 |
| ·工作总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
