基于压缩感知的视频车辆跟踪算法研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 研究问题提出 | 第10-11页 |
| 1.2 研究目标及意义 | 第11页 |
| 1.3 研究内容和方法 | 第11-13页 |
| 第2章 理论基础与研究现状 | 第13-21页 |
| 2.1 视频车辆跟踪基础 | 第13-16页 |
| 2.1.1 视频目标跟踪 | 第13页 |
| 2.1.2 基本原理 | 第13-15页 |
| 2.1.3 研究现状 | 第15-16页 |
| 2.2 压缩感知跟踪基础 | 第16-21页 |
| 2.2.1 压缩感知理论基础 | 第17-18页 |
| 2.2.2 压缩感知跟踪基本原理 | 第18-19页 |
| 2.2.3 研究现状 | 第19-21页 |
| 第3章 算法设计 | 第21-34页 |
| 3.1 算法框架构建 | 第21-22页 |
| 3.1.1 改进思路 | 第21页 |
| 3.1.2 框架描述 | 第21-22页 |
| 3.2 采样方法 | 第22-23页 |
| 3.3 特征提取方法 | 第23-26页 |
| 3.3.1 多尺度矩形滤波器 | 第24页 |
| 3.3.2 随机测量矩阵 | 第24-25页 |
| 3.3.3 高维特征压缩 | 第25-26页 |
| 3.4 分类器更新与分类 | 第26-28页 |
| 3.4.1 分类器更新 | 第26-27页 |
| 3.4.2 样本分类 | 第27-28页 |
| 3.5 目标位置优化 | 第28-32页 |
| 3.5.1 阴影场景处理 | 第29-32页 |
| 3.5.2 加权序列跟踪窗口 | 第32页 |
| 3.6 小结 | 第32-34页 |
| 第4章 算法实现与验证 | 第34-52页 |
| 4.1 实验环境与数据 | 第34-35页 |
| 4.2 实验程序设计 | 第35-38页 |
| 4.3 实验结果及分析 | 第38-45页 |
| 4.3.1 模式判断 | 第38-39页 |
| 4.3.2 质心重计算区域处理 | 第39-40页 |
| 4.3.3 跟踪结果 | 第40-45页 |
| 4.4 算法性能分析 | 第45-50页 |
| 4.4.1 准确性分析 | 第45-48页 |
| 4.4.2 成功率分析 | 第48-49页 |
| 4.4.3 鲁棒性分析 | 第49-50页 |
| 4.5 小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-55页 |
| 5.1 研究工作总结 | 第52-53页 |
| 5.1.1 主要工作 | 第52-53页 |
| 5.1.2 创新之处 | 第53页 |
| 5.2 未来展望 | 第53-55页 |
| 5.2.1 不足之处 | 第53-54页 |
| 5.2.2 未来工作 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的学术论著 | 第58-59页 |
| 致谢 | 第59页 |
