基于图像序列的运动目标检测与跟踪算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·课题研究背景及意义 | 第8-10页 |
| ·引言 | 第8-9页 |
| ·智能视觉监控中运动目标检测和跟踪的研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·跟踪系统研究成果概况 | 第10-11页 |
| ·运动目标检测与跟踪处理手段 | 第11-14页 |
| ·主要研究内容 | 第14-15页 |
| ·章节安排 | 第15-16页 |
| 2 运动目标检测 | 第16-31页 |
| ·引言 | 第16页 |
| ·图像预处理 | 第16-18页 |
| ·检测方法的比较 | 第18-22页 |
| ·光流法 | 第18-19页 |
| ·帧间差分法 | 第19-20页 |
| ·背景差分法 | 第20-22页 |
| ·背景建模与新检测算法 | 第22-24页 |
| ·算法步骤 | 第22-23页 |
| ·目标提取的结果 | 第23-24页 |
| ·检测后续处理 | 第24-31页 |
| ·二值化 | 第24-25页 |
| ·最大类间方差法选取阈值 | 第25-26页 |
| ·形态学滤波 | 第26-28页 |
| ·阴影去除 | 第28-31页 |
| 3 运动目标跟踪 | 第31-44页 |
| ·概述 | 第31页 |
| ·kalman跟踪综述 | 第31-34页 |
| ·kalman模型 | 第31-33页 |
| ·卡尔曼滤波器在目标跟踪中的应用 | 第33-34页 |
| ·meanshift算法 | 第34-41页 |
| ·无参密度估计 | 第34-36页 |
| ·基于MeanShift算法的目标跟踪 | 第36-41页 |
| ·目标描述 | 第37页 |
| ·候选模型的描述 | 第37-38页 |
| ·相似性函数 | 第38-39页 |
| ·目标定位 | 第39-40页 |
| ·MeanShift算法流程 | 第40页 |
| ·单独MeanShift算法跟踪效果 | 第40-41页 |
| ·结合kalman与meanshift的跟踪算法 | 第41-44页 |
| 4 复杂情况跟踪 | 第44-60页 |
| ·引言 | 第44-45页 |
| ·蒙特卡罗方法 | 第45页 |
| ·粒子滤波器基本原理 | 第45-52页 |
| ·序贯粒子滤波算法 | 第46-49页 |
| ·退化现象 | 第49页 |
| ·重要函数的选取 | 第49-50页 |
| ·再采样原理 | 第50-52页 |
| ·一般粒子滤波的完整步骤 | 第52页 |
| ·粒子滤波在目标跟踪中的应用 | 第52-58页 |
| ·粒子采样 | 第52-53页 |
| ·粒子状态转移 | 第53页 |
| ·系统观测 | 第53-54页 |
| ·后验估计 | 第54页 |
| ·重采样 | 第54-55页 |
| ·选取颜色特征量的融合算法 | 第55-57页 |
| ·选取颜色特征量和位置特征量的融合算法 | 第57-58页 |
| ·多目标的跟踪 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-65页 |
