复杂背景下运动目标的检测与跟踪
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 面临的难题 | 第13-14页 |
| 1.3.1 现实场景的干扰 | 第13-14页 |
| 1.3.2 技术中的难点 | 第14页 |
| 1.4 研究内容及创新点 | 第14-15页 |
| 1.5 论文结构框架 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第二章 运动目标检测与跟踪 | 第17-29页 |
| 2.1 目标检测 | 第17-20页 |
| 2.2 运动目标跟踪算法 | 第20-26页 |
| 2.2.1 跟踪算法简介 | 第20-21页 |
| 2.2.2 跟踪算法步骤 | 第21-22页 |
| 2.2.3 跟踪算法选择 | 第22-26页 |
| 2.3 实验结果及分析 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于改进GMM的算法实现 | 第29-39页 |
| 3.1. 背景建模概述 | 第29-31页 |
| 3.1.1 单高斯模型 | 第29页 |
| 3.1.2 混合高斯模型 | 第29-31页 |
| 3.1.3 建模优劣分析 | 第31页 |
| 3.2. 混合高斯模型参数更新 | 第31-35页 |
| 3.2.1 数据处理 | 第31页 |
| 3.2.2 极大似然估计 | 第31-32页 |
| 3.2.3 EM算法 | 第32-33页 |
| 3.2.4 混合参数密度估计算法 | 第33-35页 |
| 3.3 改进混合高斯模型算法 | 第35-36页 |
| 3.4 前景改进算法 | 第36-37页 |
| 3.5 算法流程及实验结果 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 HSV颜色空间下的阴影检测 | 第39-43页 |
| 4.1 阴影概述 | 第39页 |
| 4.2 HSV颜色空间 | 第39-40页 |
| 4.3 阴影检测及实验结果 | 第40-43页 |
| 4.3.1 阴影检测 | 第40-41页 |
| 4.3.2 实验结果 | 第41-43页 |
| 第五章 系统平台搭建及结果分析 | 第43-51页 |
| 5.1 系统平台 | 第43页 |
| 5.2 应用分析 | 第43-44页 |
| 5.3 总体结构 | 第44-51页 |
| 5.3.1 总体结构图 | 第44-45页 |
| 5.3.2 系统流程图 | 第45页 |
| 5.3.3 基于Meanshift滤波的跟踪结果 | 第45-48页 |
| 5.3.4 基于Kalman滤波算法的跟踪结果 | 第48-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 工作回顾 | 第51-52页 |
| 6.2 进一步工作 | 第52页 |
| 6.3 展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文目录 | 第56页 |
