动态场景中运动目标的发现与跟踪算法研究与系统实现
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 课题研究的背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 经典跟踪算法 | 第9页 |
| 1.2.2 深度学习类算法 | 第9-10页 |
| 1.2.3 相关滤波类算法 | 第10页 |
| 1.2.4 目标跟踪标准的建立 | 第10-11页 |
| 1.3 本文的研究内容与章节安排 | 第11-12页 |
| 第二章 动态场景中运动目标的跟踪系统设计 | 第12-23页 |
| 2.1 目标跟踪系统硬件组成 | 第12-15页 |
| 2.2 目标跟踪系统软件设计 | 第15-17页 |
| 2.2.1 开发环境 | 第15-16页 |
| 2.2.2 目标跟踪系统软件组成 | 第16页 |
| 2.2.3 目标跟踪系统软件模块设计 | 第16-17页 |
| 2.3 目标跟踪系统实现 | 第17-23页 |
| 2.3.1 目标跟踪系统流程 | 第17-18页 |
| 2.3.2 视频跟踪选项配置 | 第18页 |
| 2.3.3 视频控制与手动选取跟踪对象 | 第18-19页 |
| 2.3.4 二维云台控制 | 第19-23页 |
| 第三章 动态目标特征提取 | 第23-37页 |
| 3.1 图像预处理 | 第23-27页 |
| 3.1.1 去除噪声 | 第23-26页 |
| 3.1.2 图像增强 | 第26-27页 |
| 3.2 特征提取 | 第27-37页 |
| 3.2.1 SIFT特征点提取 | 第28-32页 |
| 3.2.2 ORB特征点提取 | 第32-34页 |
| 3.2.3 特征提取实验 | 第34-37页 |
| 第四章 融合目标检测器的视频跟踪算法 | 第37-54页 |
| 4.1 经典目标跟踪算法 | 第37-41页 |
| 4.1.1 MeanShift算法 | 第37-38页 |
| 4.1.2 目标重新检测 | 第38-41页 |
| 4.2 相关滤波类算法 | 第41-50页 |
| 4.2.1 MOSSE跟踪算法 | 第42-46页 |
| 4.2.2 DSST跟踪算法 | 第46-50页 |
| 4.3 融合目标检测器的相关滤波跟踪算法 | 第50-54页 |
| 4.3.1 算法框架 | 第51-52页 |
| 4.3.2 失败检测 | 第52-53页 |
| 4.3.3 权重计算 | 第53页 |
| 4.3.4 更新模板 | 第53-54页 |
| 第五章 实验与分析 | 第54-66页 |
| 5.1 算法评价 | 第54页 |
| 5.2 算法对比 | 第54-63页 |
| 5.2.1 实时视频流跟踪 | 第54-55页 |
| 5.2.2 动态场景跟踪 | 第55-57页 |
| 5.2.3 光照强度变化 | 第57-59页 |
| 5.2.4 尺度变化 | 第59-60页 |
| 5.2.5 目标被遮挡 | 第60-62页 |
| 5.2.6 长期跟踪 | 第62-63页 |
| 5.3 HOG特征的影响 | 第63-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 本文总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 作者在读期间科研成果简介 | 第71-72页 |
| 致谢 | 第72页 |
