基于图像序列的运动目标检测与跟踪技术研究
| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状及分析 | 第9-11页 |
| 1.2.1 运动目标检测与跟踪的研究概况 | 第10页 |
| 1.2.2 运动目标检测与跟踪技术存在的问题 | 第10-11页 |
| 1.3 本文的主要研究内容和成果 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 运动目标检测与跟踪技术 | 第14-26页 |
| 2.1 运动目标检测的基础知识 | 第14-19页 |
| 2.1.1 帧间差分法 | 第14-15页 |
| 2.1.2 背景减除法 | 第15-16页 |
| 2.1.3 高斯模型法 | 第16-19页 |
| 2.2 目标追踪的基础知识 | 第19-25页 |
| 2.2.1 卡尔曼滤波目标跟踪 | 第19-20页 |
| 2.2.2 MeanShift目标跟踪 | 第20-22页 |
| 2.2.3 粒子滤波目标追踪 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 一种改进的谱聚类运动目标检测算法 | 第26-41页 |
| 3.1 Kmeans算法 | 第26-28页 |
| 3.2 谱聚类算法介绍 | 第28-32页 |
| 3.2.1 图与图的基本表示 | 第28-29页 |
| 3.2.2 图的矩阵 | 第29-30页 |
| 3.2.3 谱聚类的划分准则 | 第30-32页 |
| 3.2.4 谱聚类的算法流程 | 第32页 |
| 3.3 改进的谱聚类算法的运动目标检测 | 第32-34页 |
| 3.4 实验与结果分析 | 第34-40页 |
| 3.4.1 仿真实验及结果分析 | 第34-38页 |
| 3.4.2 伸长因子的讨论 | 第38-40页 |
| 3.5 本章总结 | 第40-41页 |
| 第四章 基于光流场与EM算法的运动目标检测 | 第41-49页 |
| 4.1 光流场的推导 | 第41-42页 |
| 4.2 EM算法理论 | 第42-45页 |
| 4.2.1 Jensen不等式 | 第42-43页 |
| 4.2.2 EM算法 | 第43-44页 |
| 4.2.3 EM算法的步骤 | 第44-45页 |
| 4.3 本章改进算法 | 第45-46页 |
| 4.4 仿真实验与分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于改进的Vibe算法的运动目标检测 | 第49-63页 |
| 5.1 数学形态学 | 第49-52页 |
| 5.1.1 腐蚀 | 第50页 |
| 5.1.2 膨胀 | 第50-51页 |
| 5.1.3 开运算 | 第51-52页 |
| 5.1.4 闭运算 | 第52页 |
| 5.2 Vibe算法 | 第52-55页 |
| 5.2.1 Vibe算法的前景检测 | 第52-53页 |
| 5.2.2 Vibe算法的背景模型初始化 | 第53-54页 |
| 5.2.3 Vide算法的背景模型更新策略 | 第54页 |
| 5.2.4 Vide算法流程 | 第54-55页 |
| 5.3 改进的Vibe算法 | 第55-58页 |
| 5.3.1 引入学习率的背景更新策略 | 第55-57页 |
| 5.3.2 运动区域的背景更新策略 | 第57页 |
| 5.3.3 改进Vide算法的流程 | 第57-58页 |
| 5.4 仿真结果与分析 | 第58-62页 |
| 5.4.1 实验结果与分析 | 第58-61页 |
| 5.4.2 改进Vibe算法中学习率的讨论 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63-64页 |
| 6.2 前景与展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 个人简介、在学期间的研究成果及发表的学术论文 | 第69页 |
