复杂场景下的运动目标检测与跟踪算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-16页 |
| ·选题背景及意义 | 第12-13页 |
| ·目标跟踪技术的现状 | 第13-14页 |
| ·研究内容 | 第14-15页 |
| ·论文结构安排 | 第15-16页 |
| 第二章 目标跟踪算法概述 | 第16-22页 |
| ·目标跟踪问题描述 | 第16页 |
| ·目标跟踪技术 | 第16-19页 |
| ·基于模型匹配的跟踪 | 第17-18页 |
| ·基于区域匹配的跟踪 | 第18页 |
| ·基于特征的目标跟踪算法 | 第18-19页 |
| ·基于目标运动特性的跟踪 | 第19页 |
| ·目标跟踪中的技术难题 | 第19-22页 |
| 第三章 运动目标检测与提取 | 第22-34页 |
| ·运动检测技术概述 | 第22-27页 |
| ·预处理 | 第22-24页 |
| ·运动检测 | 第24-25页 |
| ·二值化 | 第25-27页 |
| ·本文采用的运动目标检测方案 | 第27-32页 |
| ·算法流程图 | 第28页 |
| ·实验结果比较与分析 | 第28-32页 |
| ·总结 | 第32-34页 |
| 第四章 Mean-Shift算法及应用 | 第34-50页 |
| ·参数密度估计与无参密度估计 | 第34-35页 |
| ·Mean-Shift理论及应用算法 | 第35-37页 |
| ·多维空间下的无参密度估计 | 第35-36页 |
| ·Mean-Shift向量 | 第36-37页 |
| ·Mean-Shift在目标跟踪中的应用 | 第37-42页 |
| ·目标颜色模型描述 | 第37页 |
| ·相似性函数与目标定位 | 第37-38页 |
| ·Mean-Shift算法跟踪流程图 | 第38-39页 |
| ·采用Mean-Shift算法对人脸跟踪结果 | 第39-40页 |
| ·Mean-Shift算法实际应用中的不足 | 第40-42页 |
| ·基于运动目标检测的Mean-Shift跟踪算法 | 第42-45页 |
| ·基于运动检测的目标跟踪算法 | 第42-43页 |
| ·实验结果分析 | 第43-45页 |
| ·Mean-Shift算法模板更新 | 第45-49页 |
| ·混合高斯模板建模 | 第45页 |
| ·目标模型的建立 | 第45-46页 |
| ·目标模板的更新 | 第46页 |
| ·目标模板估计 | 第46-47页 |
| ·“异常像素”点更新 | 第47页 |
| ·算法流程 | 第47-48页 |
| ·实验结果分析 | 第48-49页 |
| ·总结 | 第49-50页 |
| 第五章 基于粒子滤波的运动估计跟踪算法 | 第50-62页 |
| ·粒子滤波理论分析 | 第50-55页 |
| ·贝叶斯重要性采样 | 第52-53页 |
| ·序列重要性采样 | 第53-54页 |
| ·重采样 | 第54-55页 |
| ·粒子滤波仿真及在实践中的应用 | 第55-60页 |
| ·粒子滤波仿真 | 第55-56页 |
| ·基于Mean-Shift的粒子滤波跟踪算法 | 第56-59页 |
| ·实验结果及分析 | 第59-60页 |
| ·总结 | 第60-62页 |
| 第六章 云台控制与标定 | 第62-68页 |
| ·云台控制 | 第62页 |
| ·云台标定 | 第62-63页 |
| ·云台标定算法 | 第63-64页 |
| ·标定流程 | 第64-65页 |
| ·标定结果 | 第65-68页 |
| 第七章 总结与展望 | 第68-70页 |
| ·工作总结 | 第68页 |
| ·对将来研究工作的展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文 | 第74-76页 |
| 致谢 | 第76页 |
