基于特征提取的视觉跟踪算法研究
| 符号及缩略词含义 | 第6-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 特征提取研究现状 | 第11-12页 |
| 1.2.2 目标跟踪技术研究现状 | 第12-15页 |
| 1.3 技术难点 | 第15-16页 |
| 1.4 本文主要工作及章节内容 | 第16-19页 |
| 1.4.1 本文的主要工作与创新点 | 第16-17页 |
| 1.4.2 论文章节安排 | 第17-19页 |
| 第二章 目标特征描述 | 第19-29页 |
| 2.1 梯度纹理特征 | 第19-22页 |
| 2.1.1 平均曲率和高斯曲率 | 第19-20页 |
| 2.1.2 基于平均曲率和高斯曲率的梯度纹理特征 | 第20-21页 |
| 2.1.3 实验结果 | 第21-22页 |
| 2.2 颜色名称特征 | 第22-26页 |
| 2.2.1 颜色描述符 | 第22-24页 |
| 2.2.2 基于PLSA-bg模型的颜色名称特征 | 第24-26页 |
| 2.2.3 实验结果 | 第26页 |
| 2.3 两种特征结果对比 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于梯度纹理特征的稀疏跟踪方法 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 跟踪算法流程 | 第29-30页 |
| 3.3 基于梯度纹理特征的稀疏跟踪算法 | 第30-36页 |
| 3.3.1 目标外观模型 | 第30页 |
| 3.3.2 初始字典构造 | 第30页 |
| 3.3.3 粒子滤波跟踪框架 | 第30-34页 |
| 3.3.4 基于稀疏表示的目标跟踪 | 第34页 |
| 3.3.5 模板更新 | 第34-36页 |
| 3.4 实验结果分析 | 第36-44页 |
| 3.4.1 实验参数设置 | 第37-38页 |
| 3.4.2 定性评价 | 第38-42页 |
| 3.4.3 定量评价 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于颜色统计特征的判别跟踪方法 | 第46-63页 |
| 4.1 引言 | 第46-47页 |
| 4.2 算法模型及步骤 | 第47-48页 |
| 4.3 基于颜色统计特征的判别跟踪方法 | 第48-52页 |
| 4.3.1 颜色统计特征 | 第48-49页 |
| 4.3.2 颜色统计特征降维 | 第49-50页 |
| 4.3.3 分类器的构建及更新 | 第50-51页 |
| 4.3.4 判别跟踪算法 | 第51-52页 |
| 4.4 实验结果及分析 | 第52-62页 |
| 4.4.1 实验参数设置 | 第52页 |
| 4.4.2 定性评价 | 第52-57页 |
| 4.4.3 定量评价 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 基于特征提取的视觉跟踪系统设计与实现 | 第63-70页 |
| 5.1 系统测试环境和开发软件 | 第63-65页 |
| 5.1.1 运行环境 | 第63页 |
| 5.1.2 开发软件 | 第63-65页 |
| 5.2 系统总体方案 | 第65-68页 |
| 5.2.1 跟踪框显示模块 | 第66页 |
| 5.2.2 初始化模块 | 第66页 |
| 5.2.3 目标跟踪模块 | 第66-67页 |
| 5.2.4 结果处理模块 | 第67-68页 |
| 5.3 软件运行结果 | 第68-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士期间发表的论文 | 第80页 |
