基于SIFT的视觉跟踪算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9-10页 |
| ·视觉跟踪技术概述 | 第10-15页 |
| ·尺度不变特征变换概述 | 第15-16页 |
| ·本文的研究内容和结构 | 第16-18页 |
| 第二章 目标特征介绍 | 第18-32页 |
| ·直方图特征 | 第18-22页 |
| ·颜色直方图 | 第18-20页 |
| ·梯度方向直方图 | 第20-22页 |
| ·HAAR-LIKE 特征 | 第22-24页 |
| ·Haar-like 特征 | 第22页 |
| ·积分图 | 第22-23页 |
| ·计算Haar-like 特征 | 第23-24页 |
| ·尺度不变特征变换 | 第24-31页 |
| ·SIFT 算法 | 第24-28页 |
| ·SIFT 特征匹配 | 第28-29页 |
| ·实验结果及分析. | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 视觉跟踪算法 | 第32-58页 |
| ·基于均值偏移的跟踪算法 | 第32-41页 |
| ·Mean-shift 理论. | 第32-37页 |
| ·基于Mean-shift 的跟踪算法 | 第37-40页 |
| ·实验结果及分析 | 第40-41页 |
| ·基于粒子滤波的跟踪算法 | 第41-50页 |
| ·粒子滤波理论 | 第41-47页 |
| ·标准粒子滤波算法 | 第47-48页 |
| ·基于标准粒子滤波的视觉跟踪算法 | 第48-49页 |
| ·实验结果及分析 | 第49-50页 |
| ·基于在线提升学习的跟踪算法 | 第50-57页 |
| ·AdaBoost 算法 | 第51-52页 |
| ·在线提升学习算法 | 第52-55页 |
| ·基于在线提升学习算法的跟踪算法 | 第55-56页 |
| ·实验结果及分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 基于SIFT 的目标跟踪及识别算法 | 第58-74页 |
| ·基于SIFT 的跟踪算法 | 第58-65页 |
| ·高斯混合模型 | 第58-60页 |
| ·外观模型 | 第60-61页 |
| ·估计目标最优位置 | 第61-64页 |
| ·跟踪框架 | 第64-65页 |
| ·基于SIFT 的识别算法 | 第65-70页 |
| ·支持向量机 | 第66-68页 |
| ·基于SIFT 词袋的识别算法 | 第68-70页 |
| ·基于SIFT 的跟踪和识别算法 | 第70-73页 |
| ·算法框架 | 第70-71页 |
| ·实验结果及分析 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 基于SIFT 的点跟踪算法及应用 | 第74-88页 |
| ·基于SIFT 的点跟踪算法 | 第74-79页 |
| ·基于SIFT 的目标测速算法 | 第79-87页 |
| ·测速原理 | 第79-81页 |
| ·图像校正 | 第81-84页 |
| ·实验结果及分析 | 第84-87页 |
| ·本章小结 | 第87-88页 |
| 第六章 总结与展望 | 第88-90页 |
| ·全文总结 | 第88页 |
| ·后续研究工作 | 第88-90页 |
| 参考文献 | 第90-95页 |
| 致谢 | 第95-96页 |
| 攻读硕士学位期间已发表或录用的论文 | 第96-98页 |
