车载视频监控运动目标检测与跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 运动目标检测研究现状 | 第11-13页 |
| 1.2.2 运动目标跟踪研究现状 | 第13-16页 |
| 1.3 本文主要研究内容及章节安排 | 第16-17页 |
| 1.3.1 本文主要研究内容 | 第16页 |
| 1.3.2 本文章节安排 | 第16-17页 |
| 第2章 运动目标检测与跟踪技术理论基础 | 第17-27页 |
| 2.1 运动背景补偿 | 第17-20页 |
| 2.1.1 特征点提取 | 第17-19页 |
| 2.1.2 特征点匹配 | 第19页 |
| 2.1.3 参数模型确定 | 第19-20页 |
| 2.2 压缩感知理论 | 第20-22页 |
| 2.2.1 信号的稀疏表示 | 第20-21页 |
| 2.2.2 信号的测量矩阵 | 第21-22页 |
| 2.2.3 信号的重构算法 | 第22页 |
| 2.3 Haar-like特征 | 第22-23页 |
| 2.4 贝叶斯分类器 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 车载视频监控系统总体架构 | 第27-37页 |
| 3.1 系统需求分析与总体设计 | 第27-29页 |
| 3.1.1 系统需求分析 | 第27-28页 |
| 3.1.2 系统总体设计 | 第28-29页 |
| 3.2 系统硬件平台及选型 | 第29-32页 |
| 3.3 系统软件平台及选型 | 第32-33页 |
| 3.4 运动目标检测与跟踪算法实现流程 | 第33-35页 |
| 3.4.1 运动目标检测流程 | 第33-34页 |
| 3.4.2 运动目标跟踪流程 | 第34-35页 |
| 3.4.3 技术难点分析 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 基于中值滤波的Vibe运动目标检测算法 | 第37-47页 |
| 4.1 Vibe运动目标检测算法 | 第37-41页 |
| 4.1.1 基本原理 | 第37-38页 |
| 4.1.2 背景模型初始化 | 第38-39页 |
| 4.1.3 前景目标检测 | 第39页 |
| 4.1.4 背景模型更新 | 第39-41页 |
| 4.2 基于中值滤波的Vibe算法 | 第41-43页 |
| 4.3 运动目标检测后处理 | 第43-45页 |
| 4.3.1 形态学处理 | 第43-44页 |
| 4.3.2 标记出运动目标外接矩形 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 融合感知哈希的压缩跟踪算法 | 第47-64页 |
| 5.1 基于压缩感知的运动目标跟踪算法 | 第47-50页 |
| 5.1.1 目标特征压缩 | 第47-49页 |
| 5.1.2 分类器构建与更新 | 第49页 |
| 5.1.3 压缩跟踪算法流程 | 第49-50页 |
| 5.2 图像感知哈希技术 | 第50-54页 |
| 5.2.1 感知哈希概述 | 第50-51页 |
| 5.2.2 一种简单的哈希指纹 | 第51-54页 |
| 5.3 融合感知哈希的压缩跟踪算法 | 第54-57页 |
| 5.3.1 压缩跟踪算法改进思路 | 第54页 |
| 5.3.2 基于感知哈希的模块匹配 | 第54-55页 |
| 5.3.3 参数模型自适应更新 | 第55-56页 |
| 5.3.4 融合感知哈希的压缩跟踪算法流程 | 第56-57页 |
| 5.4 实验结果与分析 | 第57-63页 |
| 5.5 本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录A (攻读学位期间所参与的科研项目) | 第71-72页 |
| 附录B (公示的专利) | 第72页 |
