智能视频监控下目标跟踪算法的研究与应用
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 智能视频监控的主要研究内容及难点 | 第14-16页 |
| 1.3.1 智能视频监控的主要研究内容 | 第14-15页 |
| 1.3.2 研究难点 | 第15-16页 |
| 1.4 论文的主要工作与安排 | 第16-17页 |
| 第2章 图像预处理技术 | 第17-25页 |
| 2.1 图像灰度化 | 第17页 |
| 2.2 直方图均衡化 | 第17-19页 |
| 2.3 图像平滑处理 | 第19-21页 |
| 2.3.1 均值滤波 | 第19-20页 |
| 2.3.2 中值滤波 | 第20-21页 |
| 2.4 形态学图像处理技术 | 第21-23页 |
| 2.5 图像边缘检测算法 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 运动目标检测 | 第25-35页 |
| 3.1 常见的目标检测算法研究 | 第25-28页 |
| 3.1.1 光流法 | 第25页 |
| 3.1.2 背景差分法 | 第25-26页 |
| 3.1.3 帧间差分法 | 第26-28页 |
| 3.2 混合高斯模型 | 第28-30页 |
| 3.2.1 模型初始化 | 第28-29页 |
| 3.2.2 背景模型的更新 | 第29-30页 |
| 3.2.3 背景模型的建立 | 第30页 |
| 3.3 本章的算法 | 第30-33页 |
| 3.3.1 五帧差分法 | 第30-31页 |
| 3.3.2 基于混合高斯模型的五帧差分法 | 第31-33页 |
| 3.4 实验结果与分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 运动目标跟踪 | 第35-61页 |
| 4.1 引言 | 第35页 |
| 4.2 目标跟踪算法的分类 | 第35-37页 |
| 4.2.1 基于区域匹配的跟踪 | 第35-36页 |
| 4.2.2 基于模型的跟踪 | 第36页 |
| 4.2.3 基于活动轮廓的跟踪 | 第36页 |
| 4.2.4 基于特征匹配的跟踪 | 第36-37页 |
| 4.3 传统Meanshift算法理论 | 第37-38页 |
| 4.3.1 Meanshift算法介绍 | 第37页 |
| 4.3.2 传统Meanshift算法原理 | 第37-38页 |
| 4.4 Meanshift算法在目标跟踪中的应用 | 第38-41页 |
| 4.4.1 目标模型 | 第38-39页 |
| 4.4.2 目标候选模型 | 第39页 |
| 4.4.3 相似性测度量测 | 第39-40页 |
| 4.4.4 目标搜索 | 第40-41页 |
| 4.5 Kalman滤波原理 | 第41-47页 |
| 4.5.1 递归的贝叶斯估计 | 第41-42页 |
| 4.5.2 卡尔曼滤波算法的介绍 | 第42-43页 |
| 4.5.3 卡尔曼滤波基本方程 | 第43-45页 |
| 4.5.4 卡尔曼滤波器在目标跟踪中的应用 | 第45-47页 |
| 4.6 改进的Meanshift和卡尔曼滤波算法 | 第47-60页 |
| 4.6.1 颜色干扰问题 | 第47-50页 |
| 4.6.2 遮挡问题 | 第50-52页 |
| 4.6.3 仿真实验结果与分析 | 第52-60页 |
| 4.7 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68-69页 |
