基于视觉的目标跟踪算法研究
| 摘要 | 第1-11页 |
| ABSTRACT | 第11页 |
| CONTENTS | 第11-13页 |
| 第一章 绪论 | 第13-23页 |
| ·研究背景与意义 | 第13-14页 |
| ·目标跟踪研究现状 | 第14-20页 |
| ·目标特征提取的研究概况 | 第14-18页 |
| ·跟踪算法的研究概况 | 第18-20页 |
| ·目标跟踪中存在的问题 | 第20页 |
| ·本文的主要研究内容 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第二章 光强自适应补偿的Camshift算法 | 第23-37页 |
| ·序言 | 第23-24页 |
| ·光强自适应补偿 | 第24-29页 |
| ·光强自适应补偿的Camshift算法 | 第29-32页 |
| ·目标部分颜色直方图计算 | 第29页 |
| ·背景投影 | 第29-30页 |
| ·Camshift算法 | 第30-32页 |
| ·实验结果分析 | 第32-36页 |
| ·总结 | 第36-37页 |
| 第三章 基于增量学习的关节式目标跟踪 | 第37-59页 |
| ·序言 | 第37-38页 |
| ·目标前景分割 | 第38-41页 |
| ·目标特征提取 | 第41-42页 |
| ·目标区域傅里叶变换的幅度谱表示 | 第41页 |
| ·幅度谱的局部二值模式处理 | 第41-42页 |
| ·基于增量学习的特征提取 | 第42-45页 |
| ·粒子滤波的动态模型与观测模型 | 第45页 |
| ·算法的整体流程 | 第45-46页 |
| ·实验结果与分析 | 第46-58页 |
| ·总结 | 第58-59页 |
| 第四章 相似目标检测与多目标跟踪 | 第59-83页 |
| ·序言 | 第59页 |
| ·相关研究 | 第59-61页 |
| ·基于粒子滤波的目标跟踪 | 第61-65页 |
| ·基于颜色的粒子滤波跟踪 | 第61-64页 |
| ·基于颜色与方向梯度直方图的粒子滤波目标跟踪 | 第64-65页 |
| ·基于区分度的粒子滤波跟踪算法 | 第65-81页 |
| ·局部区分度计算 | 第65-70页 |
| ·基于CHOG与局部区分度特征的粒子滤波跟踪算法 | 第70-71页 |
| ·基于局部区分度的目标检测 | 第71-72页 |
| ·实验结果与分析 | 第72-81页 |
| ·总结 | 第81-83页 |
| 第五章 模板更新的多目标检测与跟踪 | 第83-101页 |
| ·序言 | 第83页 |
| ·模板更新的目标跟踪 | 第83-89页 |
| ·模板更新 | 第85-87页 |
| ·模板更新的粒子滤波跟踪 | 第87-89页 |
| ·目标检测与遮挡处理 | 第89-92页 |
| ·目标检测 | 第89-92页 |
| ·目标遮挡处理 | 第92页 |
| ·实验验证 | 第92-99页 |
| ·本章小结 | 第99-101页 |
| 总结与展望 | 第101-103页 |
| 参考文献 | 第103-115页 |
| 攻读博士学位期间取得的研究成果 | 第115-117页 |
| 致谢 | 第117-118页 |
| 附件 | 第118页 |
