视频图像中运动目标检测与跟踪方法研究
摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-20页 |
1.1 论文研究背景及意义 | 第11-12页 |
1.2 运动目标检测研究现状 | 第12-13页 |
1.3 运动目标跟踪研究现状 | 第13-16页 |
1.4 论文的主要研究工作 | 第16-18页 |
1.5 论文的组织结构 | 第18-20页 |
第二章 基于背景建模的运动目标检测 | 第20-39页 |
2.1 引言 | 第20-22页 |
2.1.1 运动目标检测 | 第20-21页 |
2.1.2 背景建模 | 第21-22页 |
2.2 高斯分布背景建模 | 第22-30页 |
2.2.1 单高斯背景建模 | 第22-26页 |
2.2.2 混合高斯背景模型 | 第26-29页 |
2.2.3 背景建模实验结果 | 第29-30页 |
2.3 Kalman 滤波背景建模 | 第30-34页 |
2.3.1 Kalman 滤波理论 | 第31-33页 |
2.3.2 Kalman 滤波背景估计 | 第33页 |
2.3.3 Kalman 滤波背景模型构建 | 第33-34页 |
2.4 仿真实验分析 | 第34-37页 |
2.5 本章小结 | 第37-39页 |
第三章 基于均值漂移的自适应目标跟踪 | 第39-59页 |
3.1 引言 | 第39页 |
3.2 无参密度估计理论 | 第39-45页 |
3.2.1 参数密度估计 | 第40页 |
3.2.2 非参密度估计 | 第40-44页 |
3.2.3 收敛性分析 | 第44-45页 |
3.3 均值漂移理论 | 第45-48页 |
3.3.1 均值漂移向量 | 第45-47页 |
3.3.2 均值漂移含义 | 第47-48页 |
3.4 均值漂移目标跟踪 | 第48-50页 |
3.5 自适应 MS 跟踪算法 | 第50-54页 |
3.5.1 二维直方图目标模型 | 第50-51页 |
3.5.2 跟踪目标质心计算 | 第51-52页 |
3.5.3 跟踪算法实现 | 第52-54页 |
3.6 跟踪算法评价 | 第54页 |
3.7 实验结果与分析 | 第54-58页 |
3.8 本章小结 | 第58-59页 |
第四章 基于特征融合的粒子滤波目标跟踪 | 第59-90页 |
4.1 引言 | 第59页 |
4.2 粒子滤波算法原理 | 第59-72页 |
4.2.1 贝叶斯估计 | 第60-62页 |
4.2.2 蒙特卡罗方法简介 | 第62-64页 |
4.2.3 序贯重要性采样算法(SIS) | 第64-66页 |
4.2.4 重要性密度函数 | 第66-68页 |
4.2.5 重采样方法 | 第68-72页 |
4.3 基于颜色特征的粒子滤波跟踪 | 第72-80页 |
4.3.1 粒子组成和系统动态模型建立 | 第73-74页 |
4.3.2 颜色模型选择及建立观测模型 | 第74-77页 |
4.3.3 目标位置确定及粒子重采样 | 第77-78页 |
4.3.4 颜色特征跟踪算法流程 | 第78-79页 |
4.3.5 跟踪算法实验结果 | 第79-80页 |
4.4 融合纹理特征的粒子滤波跟踪 | 第80-85页 |
4.4.1 加权颜色直方图提取颜色特征 | 第81-82页 |
4.4.2 小波变换提取纹理特征 | 第82-83页 |
4.4.3 系统动态模型 | 第83-84页 |
4.4.4 系统观测模型 | 第84页 |
4.4.5 算法步骤 | 第84-85页 |
4.5 仿真实验与分析 | 第85-88页 |
4.6 本章小结 | 第88-90页 |
第五章 基于傅里叶-梅林变换的目标跟踪 | 第90-105页 |
5.1 引言 | 第90页 |
5.2 图像匹配技术 | 第90-96页 |
5.2.1 图像匹配的数学描述 | 第90-91页 |
5.2.2 图像匹配的研究内容 | 第91-95页 |
5.2.3 图像匹配算法性能评价 | 第95-96页 |
5.3 傅里叶梅林变换图像匹配跟踪 | 第96-101页 |
5.3.1 傅里叶-梅林变换的特性 | 第97-99页 |
5.3.2 对数极坐标转换及图像匹配 | 第99-100页 |
5.3.3 目标图像的更新 | 第100页 |
5.3.4 匹配跟踪算法实现 | 第100-101页 |
5.4 实验结果及分析 | 第101-104页 |
5.5 本章小结 | 第104-105页 |
结论 | 第105-107页 |
参考文献 | 第107-117页 |
附录 | 第117-118页 |
攻读学位期间取得的研究成果 | 第118页 |