视频目标跟踪算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-24页 |
| ·研究背景及意义 | 第12-15页 |
| ·计算机视觉概述 | 第12-13页 |
| ·视频跟踪技术的发展 | 第13-14页 |
| ·视频跟踪技术的应用 | 第14-15页 |
| ·视频跟踪算法概述 | 第15-20页 |
| ·目标表示与定位 | 第16-18页 |
| ·滤波与数据关联 | 第18-20页 |
| ·视频跟踪的主要难点 | 第20-21页 |
| ·本文的主要研究内容与章节安排 | 第21-24页 |
| 第二章 基于自适应卡尔曼滤波的目标跟踪算法 | 第24-38页 |
| ·引言 | 第24页 |
| ·目标模型 | 第24-27页 |
| ·颜色模型概述 | 第24-25页 |
| ·基于颜色聚类的目标模型 | 第25-27页 |
| ·模型更新方法 | 第27页 |
| ·目标检测 | 第27-28页 |
| ·目标跟踪算法 | 第28-32页 |
| ·卡尔曼滤波 | 第29-30页 |
| ·目标状态及运动模型 | 第30-31页 |
| ·基于自适应卡尔曼滤波的目标跟踪算法 | 第31-32页 |
| ·实验与结果分析 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于空间约束颜色模型的概率跟踪算法 | 第38-56页 |
| ·引言 | 第38页 |
| ·目标模型 | 第38-43页 |
| ·基于空间和颜色特征的目标模型概述 | 第38-39页 |
| ·空间约束颜色模型 | 第39-40页 |
| ·候选目标的置信度 | 第40-41页 |
| ·自适应尺度选择 | 第41-43页 |
| ·自适应粒子滤波算法 | 第43-48页 |
| ·基于粒子滤波的跟踪算法概述 | 第43-44页 |
| ·粒子滤波原理 | 第44-45页 |
| ·粒子滤波基本算法 | 第45-46页 |
| ·自适应粒子滤波 | 第46-48页 |
| ·跟踪算法步骤 | 第48-50页 |
| ·实验与结果分析 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 基于粒子滤波的目标模型更新算法 | 第56-70页 |
| ·引言 | 第56页 |
| ·现有模型更新算法分析 | 第56-57页 |
| ·目标模型更新 | 第57-62页 |
| ·模型更新策略 | 第58页 |
| ·概率密度分析 | 第58-61页 |
| ·跟踪可靠性 | 第61-62页 |
| ·目标跟踪算法 | 第62-64页 |
| ·目标外观模型 | 第62-63页 |
| ·自适应模型更新的跟踪算法步骤 | 第63-64页 |
| ·实验与结果分析 | 第64-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 基于团块模型的目标跟踪算法 | 第70-84页 |
| ·引言 | 第70页 |
| ·确定性目标跟踪算法分析 | 第70-71页 |
| ·基于团块特征的目标模型 | 第71-75页 |
| ·团块检测 | 第71-74页 |
| ·团块模型 | 第74-75页 |
| ·基于团块模型的跟踪算法 | 第75-78页 |
| ·团块匹配 | 第75-77页 |
| ·跟踪算法步骤 | 第77-78页 |
| ·实验与结果分析 | 第78-83页 |
| ·本章小结 | 第83-84页 |
| 第六章 基于自适应特征选择的红外目标跟踪算法 | 第84-100页 |
| ·引言 | 第84页 |
| ·红外目标跟踪算法分析 | 第84-86页 |
| ·自适应特征选择 | 第86-89页 |
| ·特征选择 | 第86-88页 |
| ·特征更新 | 第88-89页 |
| ·基于自适应特征选择的红外目标跟踪算法 | 第89-92页 |
| ·目标模型 | 第89-90页 |
| ·Mean Shift 跟踪算法 | 第90-91页 |
| ·红外目标跟踪算法步骤 | 第91-92页 |
| ·实验与结果分析 | 第92-98页 |
| ·本章小结 | 第98-100页 |
| 第七章 总结与展望 | 第100-102页 |
| 致谢 | 第102-104页 |
| 参考文献 | 第104-117页 |
| 攻读博士期间取得的成果 | 第117-118页 |
