视频多目标跟踪的理论与方法
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.1.1 目标跟踪的背景 | 第7页 |
| 1.1.2 多目标跟踪的意义 | 第7-8页 |
| 1.1.3 多目标跟踪的发展 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 多目标跟踪中存在的主要问题 | 第10页 |
| 1.4 论文工作及章节安排 | 第10-13页 |
| 第二章 多目标检测 | 第13-31页 |
| 2.1 一般静态目标检测的方法 | 第13-17页 |
| 2.1.1 帧间差分法 | 第13-15页 |
| 2.1.2 背景差法 | 第15-16页 |
| 2.1.3 光流法 | 第16-17页 |
| 2.2 基于运动补偿的多目标检测方法 | 第17-24页 |
| 2.2.1 SUSAN特征点的检测 | 第18-19页 |
| 2.2.2 角点特征匹配 | 第19-20页 |
| 2.2.3 仿射变换 | 第20-21页 |
| 2.2.4 运动补偿的帧差法 | 第21-22页 |
| 2.2.5 运动目标的分离 | 第22-23页 |
| 2.2.6 实验结果及分析 | 第23-24页 |
| 2.3 动态背景下多目标的检测方法 | 第24-31页 |
| 2.3.1 HOG特征描述 | 第25-26页 |
| 2.3.3 支持向量机 | 第26-29页 |
| 2.3.4 HOG+SVM分类器检测 | 第29-31页 |
| 第三章 目标跟踪算法研究 | 第31-49页 |
| 3.1 粒子滤波 | 第31-33页 |
| 3.2 Lucas-Kanade光流跟踪 | 第33-35页 |
| 3.3 Mean Shift目标跟踪算法 | 第35-38页 |
| 3.3.1 目标模型的描述 | 第35-36页 |
| 3.3.2 候选模型的描述 | 第36页 |
| 3.3.3 相似性函数 | 第36页 |
| 3.3.4 Mean Shift跟踪 | 第36-38页 |
| 3.4 TLD跟踪 | 第38-42页 |
| 3.4.1 P-N学习算法 | 第39页 |
| 3.4.2 2bitBP的特征 | 第39-41页 |
| 3.4.3 随机蕨 | 第41-42页 |
| 3.4.4 跟踪结果及分析 | 第42页 |
| 3.5 CT跟踪 | 第42-49页 |
| 3.5.1 压缩感知理论 | 第43-46页 |
| 3.5.2 压缩特征 | 第46-47页 |
| 3.5.3 跟踪结果与分析 | 第47-49页 |
| 第四章 运动平台多目标跟踪 | 第49-67页 |
| 4.1 算法框架 | 第49-50页 |
| 4.2 新目标处理 | 第50-54页 |
| 4.2.1 检测器的训练 | 第50-52页 |
| 4.2.2 检测算法 | 第52-54页 |
| 4.3 多目标特征的提取 | 第54-57页 |
| 4.3.1 灰度统计特征 | 第55页 |
| 4.3.2 多尺度压缩特征 | 第55-56页 |
| 4.3.3 基于压缩特征的分类器构建和更新 | 第56-57页 |
| 4.3.4 稀疏的光流跟踪 | 第57页 |
| 4.4 目标关联 | 第57-59页 |
| 4.4.1 关联的问题描述 | 第58-59页 |
| 4.4.2 关联算法的实现 | 第59页 |
| 4.5 目标消失 | 第59-60页 |
| 4.6 模版更新 | 第60-61页 |
| 4.7 实验与结果 | 第61-63页 |
| 4.8 各模块的必要性 | 第63-67页 |
| 第五章 视频多目标跟踪处理软件 | 第67-77页 |
| 5.1 软件的框架结构设计 | 第67-70页 |
| 5.1.1 软件的主界而 | 第68页 |
| 5.1.2 软件的菜单栏 | 第68-69页 |
| 5.1.3 软件的显示窗口 | 第69-70页 |
| 5.1.4 软件的状态栏 | 第70页 |
| 5.2 软件的内部实现 | 第70-73页 |
| 5.2.1 数据结构 | 第71-72页 |
| 5.2.3 软件的调用关系 | 第72-73页 |
| 5.3 软件的操作演示 | 第73-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 小结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 研究成果 | 第87页 |
