复杂场景下的多目标检测与跟踪
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 目标检测 | 第10-11页 |
| 1.2.2 目标跟踪 | 第11-12页 |
| 1.3 多目标检测与跟踪技术难点分析 | 第12-14页 |
| 1.3.1 目标检测技术难点 | 第12-13页 |
| 1.3.2 多目标跟踪技术难点 | 第13-14页 |
| 1.4 本文主要研究内容及结构 | 第14-15页 |
| 第二章 目标检测以及目标跟踪算法概述 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 基于背景建模的目标检测 | 第15-23页 |
| 2.2.1 高斯背景建模 | 第16-17页 |
| 2.2.2 混合高斯背景建模 | 第17-20页 |
| 2.2.3 ViBe | 第20-23页 |
| 2.3 传统的跟踪算法 | 第23-28页 |
| 2.3.1 基于Mean-Shift的目标跟踪 | 第24-25页 |
| 2.3.2 基于卡尔曼滤波的目标跟踪 | 第25-26页 |
| 2.3.3 基于粒子滤波的目标跟踪 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于背景建模的自适应运动目标检测 | 第29-44页 |
| 3.1 引言 | 第29页 |
| 3.2 自适应运动目标检测算法框架 | 第29-30页 |
| 3.3 背景初始化 | 第30-32页 |
| 3.4 自适应前景检测 | 第32-36页 |
| 3.4.1 动态阈值的设定 | 第32-34页 |
| 3.4.2 前景检测 | 第34页 |
| 3.4.3 闪烁点检测 | 第34-35页 |
| 3.4.4 Ghost去除 | 第35-36页 |
| 3.5 自适应背景模型更新 | 第36-38页 |
| 3.5.1 更新状态的提出 | 第36-37页 |
| 3.5.2 动态随机子采样率 | 第37-38页 |
| 3.6 实验结果 | 第38-43页 |
| 3.6.1 数据集以及评价指标 | 第39页 |
| 3.6.2 算法参数设置 | 第39-41页 |
| 3.6.3 算法性能评估 | 第41-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 基于目标检测的多目标跟踪 | 第44-63页 |
| 4.1 引言 | 第44页 |
| 4.2 基于目标检测的多目标跟踪算法框架 | 第44-45页 |
| 4.3 目标模型建立 | 第45-49页 |
| 4.3.1 FAST特征点检测 | 第45-46页 |
| 4.3.2 FREAK特征描述子 | 第46-49页 |
| 4.4 目标间的数据关联 | 第49-50页 |
| 4.5 基于检测的多目标跟踪技术难点及应对方案 | 第50-53页 |
| 4.5.1 目标合并问题 | 第50-51页 |
| 4.5.2 目标分离问题 | 第51-53页 |
| 4.6 目标状态转换及模型更新策略 | 第53-55页 |
| 4.6.1 目标状态转换 | 第53-54页 |
| 4.6.2 目标模型更新 | 第54-55页 |
| 4.7 实验结果 | 第55-62页 |
| 4.7.1 数据集及评价指标 | 第55-56页 |
| 4.7.2 实验参数 | 第56页 |
| 4.7.3 算法性能评估 | 第56-62页 |
| 4.8 本章小结 | 第62-63页 |
| 第五章 全文总结与展望 | 第63-65页 |
| 5.1 全文总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间取得的成果 | 第71-72页 |
