视频监控中的运动目标检测与跟踪
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究的背景及意义 | 第12-13页 |
| 1.2 国内外的研究现状 | 第13-15页 |
| 1.3 存在的主要问题 | 第15-16页 |
| 1.4 本文研究内容及组织结构安排 | 第16-18页 |
| 1.4.1 本文研究内容 | 第16页 |
| 1.4.2 本文组织结构安排 | 第16-18页 |
| 第2章 运动目标检测与跟踪算法的介绍 | 第18-32页 |
| 2.1 帧间差法 | 第18-19页 |
| 2.2 光流法 | 第19-21页 |
| 2.3 背景差分法 | 第21-28页 |
| 2.4 运动目标跟踪算法概述 | 第28-31页 |
| 2.4.1 基于模型的跟踪算法 | 第29页 |
| 2.4.2 基于区域的跟踪算法 | 第29页 |
| 2.4.3 基于特征的跟踪算法 | 第29-30页 |
| 2.4.4 基于轮廓的跟踪算法 | 第30页 |
| 2.4.5 基于运动特点的跟踪算法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于 ViBe 目标检测算法的改进 | 第32-42页 |
| 3.1 ViBe 算法介绍 | 第32-36页 |
| 3.1.1 背景模型的建立及像素点分类 | 第32-33页 |
| 3.1.2 背景模型的初始化 | 第33页 |
| 3.1.3 背景模型的更新 | 第33-36页 |
| 3.2 基于 ViBe 算法的改进 | 第36-37页 |
| 3.3 实验结果与分析 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于粒子滤波目标跟踪算法的改进 | 第42-65页 |
| 4.1 粒子滤波基本理论 | 第42-47页 |
| 4.1.1 贝叶斯滤波估计方法 | 第42-43页 |
| 4.1.2 蒙特卡洛方法 | 第43-44页 |
| 4.1.3 序贯重要性采样 | 第44-45页 |
| 4.1.4 重采样过程 | 第45-46页 |
| 4.1.5 基本粒子滤波算法的流程 | 第46-47页 |
| 4.2 基于颜色特征的粒子滤波算法 | 第47-50页 |
| 4.2.1 系统状态转移模型的建立 | 第48页 |
| 4.2.2 目标模型的建立 | 第48-49页 |
| 4.2.3 目标相似度的度量 | 第49-50页 |
| 4.2.4 目标定位 | 第50页 |
| 4.2.5 目标模板的更新 | 第50页 |
| 4.3 背景相似干扰问题的研究 | 第50-54页 |
| 4.4 实验结果与分析 | 第54-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 结论与展望 | 第65-67页 |
| 5.1 结论 | 第65页 |
| 5.2 对未来工作的展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第71-72页 |
| 附件 | 第72-96页 |
