视频监控系统中的运动目标识别匹配及跟踪算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-25页 |
| ·研究背景 | 第11-13页 |
| ·智能视频监控 | 第11-12页 |
| ·智能视频监控应用前景 | 第12-13页 |
| ·智能监控系统的研究现状 | 第13-18页 |
| ·本文的主要贡献 | 第18-19页 |
| ·本文的结构安排 | 第19-20页 |
| ·本章参考文献 | 第20-25页 |
| 第二章 基于随机森林的多类别视频运动目标分类识别 | 第25-43页 |
| ·引言 | 第25页 |
| ·运动目标特征提取及分类算法概述 | 第25-27页 |
| ·特征描述 | 第25-27页 |
| ·目标分类方法 | 第27页 |
| ·基于随机森林的多类别运功目标分类算法 | 第27-38页 |
| ·目标定位 | 第27-28页 |
| ·分类器设计 | 第28-29页 |
| ·特征选取 | 第29-35页 |
| ·随机森林算法及步骤 | 第35-37页 |
| ·目标分类设计 | 第37-38页 |
| ·实验设计及结果分析 | 第38-40页 |
| ·分类测试结果 | 第38-39页 |
| ·视频测试结果 | 第39-40页 |
| ·本章小结 | 第40页 |
| ·本章参考文献 | 第40-43页 |
| 第三章 基于单向描述符改进算子的目标特征匹配 | 第43-65页 |
| ·引言 | 第43页 |
| ·目标块匹配算法概述 | 第43-45页 |
| ·基于单向描述符的特征描述算子 | 第45-52页 |
| ·方法概述 | 第45页 |
| ·单向描述符 | 第45-47页 |
| ·图像块的线性分解 | 第47-51页 |
| ·描述符DCT快速算法 | 第51-52页 |
| ·姿态空间量化优化算法 | 第52-58页 |
| ·摄像机成像几何 | 第53-54页 |
| ·投影摄像机模型 | 第54页 |
| ·中心投影透视摄像机模型 | 第54-55页 |
| ·仿射摄像机模型 | 第55页 |
| ·局部仿射变换近似局部透视变换 | 第55-57页 |
| ·仿射参数量化 | 第57-58页 |
| ·改进算法的实现步骤 | 第58-59页 |
| ·实验结果与分析 | 第59-62页 |
| ·描绘子匹配速度测试 | 第59-61页 |
| ·描绘子匹配精度测试 | 第61页 |
| ·算法所需存储空间测试 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| ·本章参考文献 | 第63-65页 |
| 第四章 基于粒子滤波算法的目标跟踪及遮挡处理算法 | 第65-89页 |
| ·引言 | 第65页 |
| ·目标跟踪算法概述 | 第65-75页 |
| ·目标物表示 | 第65-67页 |
| ·运动状态估计 | 第67-75页 |
| ·使用多特征融合的粒子滤波器的视觉跟踪 | 第75-83页 |
| ·运动模型 | 第75-76页 |
| ·观测模型 | 第76-78页 |
| ·特征融合算法 | 第78-80页 |
| ·改进的粒子滤波 | 第80-83页 |
| ·实验结果 | 第83-86页 |
| ·本章小结 | 第86-87页 |
| ·本章参考文献 | 第87-89页 |
| 第五章 基于概率假设密度滤波的多目标跟踪算法研究 | 第89-100页 |
| ·引言 | 第89-90页 |
| ·概率假设密度算法概述 | 第90-95页 |
| ·随机有限集 | 第90-91页 |
| ·概率假设密度滤波 | 第91-92页 |
| ·概率假设密度滤波的粒子实现 | 第92-93页 |
| ·目标聚类及数据关联算法 | 第93-95页 |
| ·基于PHD粒子滤波的多目标跟踪 | 第95-96页 |
| ·运动模型 | 第95页 |
| ·观测模型 | 第95页 |
| ·参数设置 | 第95-96页 |
| ·实验结果及分析 | 第96-97页 |
| ·本章小结 | 第97-98页 |
| ·本章参考文献 | 第98-100页 |
| 第六章 结束语 | 第100-102页 |
| ·论文的研究工作及创新点 | 第100页 |
| ·进一步研究展望 | 第100-102页 |
| 缩略语索引 | 第102-104页 |
| 致谢 | 第104-105页 |
| 攻读博士学位期间相关专利及论文 | 第105页 |
