智能视频监控中的运动目标检测和跟踪技术研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8页 |
| ·智能视频监控研究现状 | 第8-10页 |
| ·智能视频监控研究内容 | 第10页 |
| ·本文主要工作及贡献 | 第10-11页 |
| ·论文组织结构 | 第11-13页 |
| 第二章 运动目标检测研究 | 第13-29页 |
| ·运动目标检测算法概述 | 第13-14页 |
| ·光流法 | 第13页 |
| ·时间差分 | 第13-14页 |
| ·背景差分 | 第14页 |
| ·混合高斯模型 | 第14-23页 |
| ·混合高斯模型的基本原理 | 第14-18页 |
| ·基本思想 | 第14-15页 |
| ·估计当前状态 | 第15-16页 |
| ·背景分割 | 第16-17页 |
| ·更新模型参数 | 第17-18页 |
| ·混合高斯模型的实际算法 | 第18-21页 |
| ·对后验概率P(k|X_t,Φ)的近似 | 第18-19页 |
| ·算法流程图 | 第19-21页 |
| ·实验结果 | 第21-23页 |
| ·多模态背景时的结果 | 第21-22页 |
| ·σ有下限时的结果 | 第22-23页 |
| ·阴影消除 | 第23-28页 |
| ·阴影消除算法概述 | 第23-24页 |
| ·基于HSV空间的阴影检测 | 第24-25页 |
| ·阴影检测实验结果 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于贝叶斯原理的跟踪 | 第29-42页 |
| ·目标跟踪概述 | 第29-30页 |
| ·贝叶斯滤波原理 | 第30-32页 |
| ·粒子滤波器 | 第32-41页 |
| ·粒子滤波基本原理 | 第32-33页 |
| ·序贯重要性采样 | 第33-35页 |
| ·退化现象 | 第35-36页 |
| ·选择合适的重要密度函数 | 第36-37页 |
| ·重采样技术 | 第37-38页 |
| ·粒子滤波算法描述 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于多线索融合的跟踪 | 第42-54页 |
| ·多线索融合跟踪概述 | 第42-43页 |
| ·多线索融合模型 | 第43-44页 |
| ·颜色和角点线索融合模型 | 第44-49页 |
| ·颜色线索 | 第44页 |
| ·颜色相似度 | 第44-45页 |
| ·角点线索 | 第45-46页 |
| ·角点相似度 | 第46-48页 |
| ·线索的高斯噪声 | 第48页 |
| ·线索的可信度 | 第48-49页 |
| ·计算总的观测似然 | 第49页 |
| ·基于粒子滤波的跟踪实现 | 第49-51页 |
| ·目标初始化 | 第49页 |
| ·粒子集合动态预测 | 第49-50页 |
| ·根据多线索融合信息更新粒子权重 | 第50页 |
| ·估计状态信息 | 第50页 |
| ·重采样 | 第50-51页 |
| ·线索模板更新 | 第51页 |
| ·实验结果 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 遮挡问题研究 | 第54-70页 |
| ·引言 | 第54-56页 |
| ·遮挡问题分析 | 第54页 |
| ·遮挡问题研究现状 | 第54-56页 |
| ·目标的线索描述 | 第56-59页 |
| ·目标核密度椭圆模板 | 第56-57页 |
| ·颜色线索 | 第57-58页 |
| ·二值形状线索 | 第58-59页 |
| ·基于可见度的多线索融合 | 第59-62页 |
| ·遮挡推理和可见度的计算 | 第60-61页 |
| ·基于可见度的自适应线索融合 | 第61-62页 |
| ·基于粒子滤波的跟踪实现 | 第62-64页 |
| ·状太空间和运动模型 | 第62-63页 |
| ·观测模型 | 第63页 |
| ·算法总结 | 第63-64页 |
| ·实验结果和分析 | 第64-68页 |
| ·本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·本文工作总结 | 第70-71页 |
| ·对未来工作的展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 在学科研成果 | 第77-78页 |
| 致谢 | 第78页 |
