基于粒子滤波和背景差分的多目标检测与跟踪
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.3.1 国外研究现状 | 第10页 |
| 1.3.2 国内研究现状 | 第10-11页 |
| 1.4 本文研究内容 | 第11-12页 |
| 1.5 论文章节安排 | 第12-13页 |
| 第2章 运动物体检测与跟踪算法理论介绍 | 第13-26页 |
| 2.1 引言 | 第13页 |
| 2.2 传统的前景检测算法 | 第13-16页 |
| 2.2.1 帧间差分法 | 第13-14页 |
| 2.2.2 光流法 | 第14-15页 |
| 2.2.3 背景差分法 | 第15-16页 |
| 2.3 基于背景建模的前景检测算法 | 第16-20页 |
| 2.3.1 高斯混合模型(GMM) | 第16-18页 |
| 2.3.2 码本(CodeBook) | 第18-20页 |
| 2.4 传统的目标跟踪算法 | 第20-24页 |
| 2.4.1 Camshift算法 | 第20-22页 |
| 2.4.2 Kalman滤波算法 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 改进的GMM前景检测算法 | 第26-37页 |
| 3.1 引言 | 第26页 |
| 3.2 TGM清理方式 | 第26-29页 |
| 3.2.1 TGM原理介绍 | 第26-27页 |
| 3.2.2 TGM清理模型参数分析 | 第27-29页 |
| 3.3 TGM分布 | 第29-32页 |
| 3.3.1 TGM分布的原理机制 | 第29-31页 |
| 3.3.2 TGM分布参数讨论 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于无先验信息的粒子滤波跟踪方法 | 第37-57页 |
| 4.1 贝叶斯估计理论 | 第37-42页 |
| 4.1.1 动态系统的状态模型 | 第37-38页 |
| 4.1.2 贝叶斯滤波原理 | 第38页 |
| 4.1.3 蒙特卡罗方法 | 第38-39页 |
| 4.1.4 序贯重要性采样 | 第39-41页 |
| 4.1.5 退化与重采样技术 | 第41页 |
| 4.1.6 粒子滤波跟踪流程 | 第41-42页 |
| 4.2 几种经典跟踪器介绍 | 第42-43页 |
| 4.3 基于无先验信息的粒子滤波跟踪算法 | 第43-49页 |
| 4.3.1 粒子滤波器 | 第43-45页 |
| 4.3.2 自动检测过程 | 第45-46页 |
| 4.3.3 颜色分布模型 | 第46-47页 |
| 4.3.4 目标尺寸的计算 | 第47-48页 |
| 4.3.5 算法的实现过程 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-56页 |
| 4.4.1 检测与跟踪效果 | 第49-50页 |
| 4.4.2 多目标跟踪结果 | 第50-51页 |
| 4.4.3 多目标跟踪定性与定量分析 | 第51-55页 |
| 4.4.4 实验总结 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表论文情况与参与项目 | 第63-64页 |
| 致谢 | 第64-65页 |
