基于图像序列的运动目标识别与跟踪方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究的目的与意义 | 第10-11页 |
| ·国内外相关的研究概况 | 第11-12页 |
| ·运动目标识别和跟踪技术研究现状 | 第11-12页 |
| ·运动目标识别和跟踪技术存在的问题 | 第12页 |
| ·本文主要的研究工作 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 基于图像序列的多目标识别和跟踪系统设计 | 第14-22页 |
| ·系统工作流程 | 第14-15页 |
| ·模块功能简介 | 第15-21页 |
| ·图像捕获和预处理模块 | 第15-16页 |
| ·多目标检测模块 | 第16-18页 |
| ·多目标聚类模块 | 第18-20页 |
| ·多目标跟踪模块 | 第20-21页 |
| ·结论 | 第21-22页 |
| 第三章 运动目标检测 | 第22-31页 |
| ·帧间差分法 | 第22-23页 |
| ·基本帧差法 | 第22-23页 |
| ·改进帧差法 | 第23页 |
| ·Horn-Schunck 光流法 | 第23-25页 |
| ·亮度恒常性假设 | 第23-24页 |
| ·全局平滑性假设 | 第24页 |
| ·Horn-Schunck 光流计算方法 | 第24-25页 |
| ·HSI 彩色模型光流法 | 第25-27页 |
| ·Horn-Schunck 光流法的不足 | 第25-26页 |
| ·HSI 颜色空间 | 第26页 |
| ·基于HSI 彩色模型的光流法 | 第26-27页 |
| ·实验结果 | 第27-30页 |
| ·帧差法识别运动目标 | 第27-28页 |
| ·光流法识别运动目标 | 第28-30页 |
| ·结论 | 第30-31页 |
| 第四章 蚁群算法的多目标聚类 | 第31-42页 |
| ·蚁群算法 | 第31-35页 |
| ·蚁群算法的基本思想 | 第32页 |
| ·蚁群算法的基本模型 | 第32-35页 |
| ·蚁群算法的特点 | 第35页 |
| ·蚁群算法的多目标聚类流程 | 第35-36页 |
| ·基于HSI 颜色直方图的目标特征提取 | 第36-38页 |
| ·多目标蚁群聚类 | 第38-41页 |
| ·多目标构造蚂蚁 | 第38页 |
| ·构造信息素矩阵 | 第38页 |
| ·构造目标函数 | 第38-39页 |
| ·更新蚁群 | 第39页 |
| ·局部搜索 | 第39-40页 |
| ·信息素矩阵更新 | 第40页 |
| ·输出多目标聚类结果 | 第40-41页 |
| ·结论 | 第41-42页 |
| 第五章 自适应变形模板粒子滤波目标跟踪 | 第42-56页 |
| ·卡尔曼滤波理论 | 第42-44页 |
| ·贝叶斯滤波理论 | 第44-45页 |
| ·粒子滤波理论 | 第45-47页 |
| ·自适应变形模板粒子滤波目标跟踪 | 第47-52页 |
| ·颜色-梯度直方图混合特征提取 | 第47-48页 |
| ·自适应椭圆变形模板 | 第48-49页 |
| ·粒子滤波目标跟踪算法 | 第49-52页 |
| ·实验结果 | 第52-55页 |
| ·结论 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·本文总结 | 第56页 |
| ·研究展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62-63页 |
