摘要 | 第1-5页 |
ABSTRACT | 第5-11页 |
1 绪论 | 第11-24页 |
·研究背景及意义 | 第11-14页 |
·应用背景 | 第11-13页 |
·研究目的及意义 | 第13-14页 |
·视频跟踪技术简介 | 第14-16页 |
·属性及分类 | 第14页 |
·基本框架 | 第14-16页 |
·研究现状 | 第16-21页 |
·常用算法及分类 | 第16-20页 |
·普遍难点 | 第20-21页 |
·本文主要工作与结构安排 | 第21-24页 |
·本文主要工作 | 第21-23页 |
·本文结构安排 | 第23-24页 |
2 基于3D OGHM 的视频运动检测算法 | 第24-49页 |
·运动检测问题 | 第24-26页 |
·理解视频运动检测 | 第24-25页 |
·两类运动检测方法及问题 | 第25-26页 |
·OGHM 与3D OGHM 定义 | 第26-29页 |
·OGHM 与运动检测 | 第26-27页 |
·3D OGHM 定义 | 第27-29页 |
·3D OGHM 算法分析与实现 | 第29-35页 |
·算法解剖 | 第29-31页 |
·算法效率分析 | 第31-32页 |
·定位误差分析 | 第32-34页 |
·算法实现步骤 | 第34-35页 |
·OGHM 图像与参数选择 | 第35-38页 |
·OGHM 图像 | 第35-36页 |
·3D OGHM 阶数选择 | 第36-38页 |
·标准差选择 | 第38页 |
·OGHM 图像分割 | 第38-41页 |
·分割算法 | 第38-39页 |
·分割步骤 | 第39-41页 |
·实验结果及分析 | 第41-47页 |
·定性比较试验 | 第41-44页 |
·定量分析试验 | 第44-47页 |
·本章小结 | 第47-49页 |
3 一种改进的几何主动轮廓模型 | 第49-66页 |
·问题提出 | 第49-50页 |
·相关理论 | 第50-54页 |
·水平集与重新初始化 | 第50-52页 |
·常见的几何主动轮廓模型 | 第52-54页 |
·几何主动轮廓模型IMDC | 第54-59页 |
·IMDC 基本思想 | 第54-56页 |
·IMDC 模型 | 第56-57页 |
·算法实现 | 第57-59页 |
·IMDC 试验结果及分析 | 第59-64页 |
·与梯度模型算法比较 | 第59-61页 |
·非重新初始化性能测试 | 第61-64页 |
·IMDC 轮廓检测试验 | 第64页 |
·本章小结 | 第64-66页 |
4 基于仿射图像配准算法的目标跟踪方法研究 | 第66-102页 |
·问题提出 | 第66-67页 |
·传统AIA 算法 | 第67-71页 |
·Lucas-Kanade 算法 | 第67-69页 |
·合成AIA 算法 | 第69-70页 |
·反向合成算法 | 第70-71页 |
·PDC 算法 | 第71页 |
·合成目标能量思想 | 第71-72页 |
·主动漂移矫正算法 | 第72-76页 |
·算法模型 | 第72-73页 |
·算法推演 | 第73-75页 |
·算法步骤 | 第75-76页 |
·ADC 跟踪框架与更新策略 | 第76-81页 |
·常见的更新策略 | 第76-78页 |
·ADC 算法的更新策略 | 第78-81页 |
·算法性能测试及分析 | 第81-100页 |
·定性比较试验 | 第81-86页 |
·定量测试及分析 | 第86-93页 |
·矫正系数选取及影响测试 | 第93-98页 |
·特殊情况下的跟踪试验 | 第98-100页 |
·本章小结 | 第100-102页 |
5 视频目标检测与跟踪混合框架研究 | 第102-120页 |
·研究目标 | 第102页 |
·系统框架 | 第102-106页 |
·框架线索 | 第102-103页 |
·框架结构 | 第103-106页 |
·系统核心模块 | 第106-112页 |
·参数设置 | 第106页 |
·检测跟踪模型 | 第106-109页 |
·匹配跟踪模型 | 第109-112页 |
·跟踪试验及讨论 | 第112-118页 |
·固定场景全运动目标检测跟踪 | 第112-114页 |
·动态场景固定目标跟踪 | 第114-116页 |
·性能测试及讨论 | 第116-118页 |
·本章小结 | 第118-120页 |
6 全文总结及展望 | 第120-123页 |
致谢 | 第123-124页 |
参考文献 | 第124-136页 |
附录:作者在攻读博士学位期间参加科研及发表论文情况 | 第136页 |