体育视频中运动员的检测和跟踪方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·研究目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文主要研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 运动目标检测方法综述 | 第15-24页 |
| ·引言 | 第15页 |
| ·运动目标检测面临的问题 | 第15-16页 |
| ·常用的运动目标检测方法 | 第16-20页 |
| ·背景消减法 | 第16-17页 |
| ·基于统计的方法 | 第17-18页 |
| ·时间差分法 | 第18-19页 |
| ·光流法 | 第19-20页 |
| ·运动目标分类 | 第20-21页 |
| ·基于形状信息的分类方法 | 第20-21页 |
| ·基于运动特征的分类方法 | 第21页 |
| ·常用的数学形态学方法 | 第21-24页 |
| ·膨胀和腐蚀运算 | 第22-23页 |
| ·开和闭运算 | 第23-24页 |
| 第三章 运动目标跟踪方法综述 | 第24-33页 |
| ·引言 | 第24页 |
| ·运动目标跟踪主要应用场合 | 第24-25页 |
| ·运动目标跟踪面临的主要问题 | 第25页 |
| ·常用的运动目标跟踪方法 | 第25-28页 |
| ·基于模型的跟踪 | 第26页 |
| ·基于区域的跟踪 | 第26-27页 |
| ·基于变形模型的跟踪 | 第27页 |
| ·基于特征的跟踪 | 第27-28页 |
| ·跟踪过程中常用的运动目标特征 | 第28-33页 |
| ·颜色特征 | 第29-31页 |
| ·边缘和轮廓 | 第31页 |
| ·光流 | 第31-32页 |
| ·纹理 | 第32-33页 |
| 第四章 体育视频中运动员的检测方法 | 第33-48页 |
| ·引言 | 第33页 |
| ·运动员检测流程 | 第33-34页 |
| ·自适应高斯混合模型 | 第34-38页 |
| ·建立背景模型 | 第35-36页 |
| ·更新背景模型 | 第36-37页 |
| ·改进背景模型 | 第37-38页 |
| ·自适应背景消减法 | 第38-40页 |
| ·结合GMM和自适应背景消减法提取运动前景 | 第40-41页 |
| ·对前景图进行像素级的处理 | 第41-45页 |
| ·应用数学形态学方法 | 第42页 |
| ·阴影的检测和消除 | 第42-45页 |
| ·区域增长和连通性分析 | 第45页 |
| ·对前景图进行区域级的处理 | 第45-48页 |
| ·球场检测 | 第46-47页 |
| ·区域删除和区域分类 | 第47-48页 |
| 第五章 体育视频中运动员的跟踪方法 | 第48-62页 |
| ·引言 | 第48页 |
| ·CamShift算法 | 第48-50页 |
| ·Mean Shift算法 | 第50-54页 |
| ·Mean Shift算法的理论基础 | 第50-52页 |
| ·Mean Shift算法的收敛性分析 | 第52页 |
| ·Mean Shift算法的实现步骤 | 第52-53页 |
| ·Mean Shift算法分析 | 第53-54页 |
| ·应用CamShift算法跟踪运动员 | 第54-58页 |
| ·颜色空间的选取 | 第54页 |
| ·统计目标的颜色特征 | 第54-55页 |
| ·计算概率分布图 | 第55-56页 |
| ·应用CamShift算法跟踪目标 | 第56-58页 |
| ·对CamShift算法的改进 | 第58-62页 |
| 第六章 系统实现及结果分析 | 第62-66页 |
| ·引言 | 第62页 |
| ·系统开发环境 | 第62页 |
| ·系统框架 | 第62-63页 |
| ·系统设计 | 第63-64页 |
| ·实验结果分析 | 第64-66页 |
| 第七章 工作总结与展望 | 第66-69页 |
| ·引言 | 第66页 |
| ·工作总结 | 第66-67页 |
| ·未来工作的展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士期间完成的论文 | 第76-77页 |
| 攻读硕士期间参加的课题项目 | 第77页 |
