视频图像序列中的运动目标检测与跟踪研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景及研究意义 | 第9页 |
| ·智能视频监控的研究现状及相关技术 | 第9-15页 |
| ·研究现状 | 第9-10页 |
| ·运动目标检测技术 | 第10-13页 |
| ·运动目标跟踪 | 第13-15页 |
| ·主要研究内容及创新点 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 相关理论基础知识 | 第17-36页 |
| ·引言 | 第17页 |
| ·非线性贝叶斯预测原理 | 第17-20页 |
| ·贝叶斯预测基本思想 | 第17-18页 |
| ·全概率公式和贝叶斯公式 | 第18页 |
| ·系统模型和贝叶斯递推 | 第18-20页 |
| ·蒙特卡罗方法 | 第20-23页 |
| ·蒙特卡罗方法基本思想递推 | 第20-21页 |
| ·蒙特卡罗方法的收敛性 | 第21-22页 |
| ·蒙特卡罗方法的实现 | 第22-23页 |
| ·粒子滤波算法 | 第23-33页 |
| ·贝叶斯滤波原理 | 第23-25页 |
| ·贝叶斯重要性采样 | 第25-26页 |
| ·序列重要性采样 | 第26-30页 |
| ·粒子的退化问题和重采样 | 第30-33页 |
| ·仿真实验 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于自适应混合高斯模型的动目标检测 | 第36-50页 |
| ·引言 | 第36-37页 |
| ·混合高斯背景建模 | 第37-46页 |
| ·混合高斯背景建模的原理 | 第38-40页 |
| ·固定分布数的混合高斯模型 | 第40-41页 |
| ·自适应分布数K的混合高斯模型 | 第41-46页 |
| ·图像形态学滤波 | 第46-47页 |
| ·图像腐蚀和膨胀 | 第46-47页 |
| ·图像的开运算和闭运算 | 第47页 |
| ·实验结果及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于联合多目标概率密度的粒子滤波跟踪算法 | 第50-67页 |
| ·引言 | 第50-51页 |
| ·多目标数据关联算法 | 第51-55页 |
| ·多目标系统模型 | 第52-53页 |
| ·传统多目标数据关联算法 | 第53-54页 |
| ·联合多目标概率密度算法 | 第54-55页 |
| ·改进的粒子滤波算法 | 第55-59页 |
| ·改进的粒子滤波器 | 第55-57页 |
| ·粒子更新算法 | 第57-59页 |
| ·基于联合多目标概率密度的粒子滤波多目标跟踪算法 | 第59-62页 |
| ·多目标系统的运动模型 | 第59-60页 |
| ·多目标系统的观测模型 | 第60-61页 |
| ·算法的框架及流程 | 第61-62页 |
| ·仿真结果及其分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74页 |
