视频运动跟踪及其在增强现实中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·研究目标及主要内容 | 第12-13页 |
| ·论文组织及安排 | 第13-14页 |
| 第2章 视频运动跟踪技术概述 | 第14-23页 |
| ·视频目标跟踪算法 | 第14-17页 |
| ·基于检测的跟踪算法 | 第14-16页 |
| ·基于滤波的跟踪算法 | 第16页 |
| ·基于匹配的跟踪算法 | 第16-17页 |
| ·Mean-shift均值漂移算法 | 第17-19页 |
| ·无参数密度估计 | 第17-18页 |
| ·Mean-Shift向量 | 第18-19页 |
| ·目标跟踪中Mean-Shift | 第19-22页 |
| ·目标模型和候选模型的描述 | 第20-21页 |
| ·相似性计算 | 第21页 |
| ·目标定位 | 第21-22页 |
| ·Mean-Shift目标跟踪算法的不足之处 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 运动跟踪中目标检测算法 | 第23-36页 |
| ·传统AdaBoost算法 | 第23-29页 |
| ·基于级联结构的AdaBoost分类器 | 第24页 |
| ·类Haar矩形特征 | 第24-25页 |
| ·积分图像 | 第25-26页 |
| ·AdaBoost训练算法 | 第26-28页 |
| ·AdaBoost算法分析 | 第28-29页 |
| ·优化AdaBoost分类器加权参数 | 第29-31页 |
| ·双阈值的AdaBoost分类器 | 第31-32页 |
| ·实验分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 运动跟踪中目标匹配算法 | 第36-51页 |
| ·Mean-shift的改进 | 第36-37页 |
| ·基于SIFT特征的Mean-Shift跟踪算法 | 第37-43页 |
| ·SIFT特征向量生成 | 第37-40页 |
| ·SIFT特征匹配 | 第40-41页 |
| ·基于SIFT特征的Mean-Shift目标跟踪 | 第41-43页 |
| ·基于SURF特征的Mean-Shift跟踪算法 | 第43-47页 |
| ·构造Hessian矩阵 | 第43-44页 |
| ·构建尺度空间 | 第44-45页 |
| ·特征点的初步及精确定位 | 第45-46页 |
| ·构造SURF特征点描述子 | 第46-47页 |
| ·基于SURF特征的Mean-Shift目标跟踪 | 第47页 |
| ·实验分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 主动形状模型及其在增强现实中应用研究 | 第51-64页 |
| ·主动形状模型ASM | 第51页 |
| ·ASM目标定位 | 第51-57页 |
| ·特征点标定 | 第51-53页 |
| ·相似性变换 | 第53-54页 |
| ·建立统计模型 | 第54-56页 |
| ·ASM搜索 | 第56-57页 |
| ·改进的ASM算法 | 第57-60页 |
| ·基于多分辨率的搜索 | 第57-58页 |
| ·二维局部特征 | 第58-59页 |
| ·ASM实验分析 | 第59-60页 |
| ·图像插值 | 第60-62页 |
| ·实验分析 | 第62-63页 |
| ·本章总结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间参加的科研项目和成果 | 第71页 |
