基于在线学习的运动目标跟踪算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.3 本文的研究内容及论文结构 | 第15-18页 |
| 第2章 光流技术在运动目标跟踪中的应用 | 第18-32页 |
| 2.1 特征点检测 | 第18-23页 |
| 2.1.1 Harris角点检测 | 第18-20页 |
| 2.1.2 SUSAN角点检测 | 第20-21页 |
| 2.1.3 检测效果对比 | 第21-23页 |
| 2.2 金字塔LK光流估计算法 | 第23-28页 |
| 2.2.1 光流计算基本等式 | 第23-24页 |
| 2.2.2 LK算法对光流法的改进 | 第24-28页 |
| 2.3 光流场的粗提纯 | 第28-29页 |
| 2.4 算法效果分析 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于在线学习的LK光流跟踪算法 | 第32-44页 |
| 3.1 基于在线学习的跟踪算法 | 第32-33页 |
| 3.2 在线LK光流算法 | 第33-39页 |
| 3.2.1 基于P-N学习的在线分类器 | 第33-36页 |
| 3.2.2 方差过滤器 | 第36页 |
| 3.2.3 目标跟踪的实现 | 第36-38页 |
| 3.2.4 跟踪算法的监督机制 | 第38-39页 |
| 3.3 目标跟踪丟失判断方法 | 第39-40页 |
| 3.3.1 背景模型在目标跟踪中的运用 | 第39-40页 |
| 3.3.2 运动模型在目标跟踪中的运用 | 第40页 |
| 3.4 算法性能测试 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 在线LK光流改进算法 | 第44-54页 |
| 4.1 基于目标推理的模板匹配 | 第44-46页 |
| 4.2 扩展LK光流算法的求解 | 第46-50页 |
| 4.2.1 EM算法 | 第47-48页 |
| 4.2.2 算法的优化 | 第48-50页 |
| 4.3 模板更新问题 | 第50页 |
| 4.4 新型模板的匹配效果 | 第50-52页 |
| 4.5 算法计算效率对比实验 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 实验结果与讨论 | 第54-62页 |
| 5.1 测试视频选择及测试准则 | 第54-55页 |
| 5.2 实验环境及参数配置 | 第55-56页 |
| 5.3 实验结果及评估 | 第56-61页 |
| 5.3.1 实验数据分析 | 第56-58页 |
| 5.3.2 算法性能分析 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |
