视频中运动目标检测与跟踪算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第9-13页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 研究内容及结构安排 | 第11-13页 |
| 第二章 目标识别算法研究 | 第13-28页 |
| 2.1 人工神经网络 | 第13-22页 |
| 2.1.1 基本概述 | 第13-15页 |
| 2.1.2 性能度量 | 第15-17页 |
| 2.1.3 建立模型及优化 | 第17-20页 |
| 2.1.4 二元分类 | 第20-22页 |
| 2.2 深度神经网络 | 第22-27页 |
| 2.2.1 训练深度网络 | 第23-24页 |
| 2.2.2 卷积神经网络 | 第24-25页 |
| 2.2.3 卷积神经网络优点 | 第25页 |
| 2.2.4 多目标分类 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 目标定位算法研究 | 第28-39页 |
| 3.1 常见目标检测方法 | 第28-32页 |
| 3.1.1 滑动窗口 | 第28-29页 |
| 3.1.2 选择性搜索 | 第29-31页 |
| 3.1.3 性能评估 | 第31-32页 |
| 3.2 卷积滑动窗口 | 第32-36页 |
| 3.2.1 卷积滑动窗口的实现 | 第33-34页 |
| 3.2.2 不同位置变化处理 | 第34-35页 |
| 3.2.3 预测不同特征信息 | 第35-36页 |
| 3.3 学习网络模型 | 第36-38页 |
| 3.3.1 RCNN系列 | 第36-37页 |
| 3.3.2 空间金字塔池 | 第37页 |
| 3.3.3 POLO算法 | 第37-38页 |
| 3.3.4 SSD算法 | 第38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 运动目标检测系统实现 | 第39-50页 |
| 4.1 需求分析 | 第39页 |
| 4.2 系统整体框架设计 | 第39-41页 |
| 4.2.1 系统功能模块设计 | 第40页 |
| 4.2.2 系统总体逻辑结构 | 第40-41页 |
| 4.2.3 视频处理 | 第41页 |
| 4.3 目标检测算法实现 | 第41-45页 |
| 4.3.1 数据预处理 | 第42-43页 |
| 4.3.2 训练模型 | 第43页 |
| 4.3.3 效果显示 | 第43-45页 |
| 4.4 系统平台展示 | 第45-49页 |
| 4.4.1 平台架构需求 | 第45页 |
| 4.4.2 表现层模型 | 第45-46页 |
| 4.4.3 工程结构 | 第46-48页 |
| 4.4.4 效果展示 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 结论与讨论 | 第50-52页 |
| 5.1 结论 | 第50-51页 |
| 5.2 讨论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
