基于高阶图跨时域关联的多目标跟踪算法的设计与实现
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 基于局部关联的跟踪方法研究 | 第9-10页 |
| 1.2.2 基于全局关联的跟踪方法研究 | 第10-11页 |
| 1.3 多目标跟踪的难点 | 第11-12页 |
| 1.4 论文的主要工作和结构安排 | 第12-13页 |
| 第二章 多目标跟踪框架 | 第13-21页 |
| 2.1 目标检测系统框架 | 第13-14页 |
| 2.2 目标检测技术 | 第14-17页 |
| 2.2.1 基于混合高斯模型的目标检测 | 第15-16页 |
| 2.2.2 基于特征融合的目标检测 | 第16-17页 |
| 2.2.3 基于混合方式的目标检测 | 第17页 |
| 2.3 多目标跟踪系统框架 | 第17-18页 |
| 2.4 多目标跟踪相关技术 | 第18-19页 |
| 2.4.1 局部与全局关联 | 第18-19页 |
| 2.4.2 运动模型的状态估计 | 第19页 |
| 2.5 跟踪性能评估指数 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第三章 基于代价流网络轨迹关联的多目标跟踪 | 第21-30页 |
| 3.1 多目标跟踪模型 | 第21-24页 |
| 3.1.1 跟踪轨迹描述 | 第21-22页 |
| 3.1.2 跟踪轨迹之间相互依赖 | 第22-23页 |
| 3.1.3 .计算最大后验概率 | 第23-24页 |
| 3.2 代价流网络模型 | 第24-27页 |
| 3.2.1 最小代价流动 | 第25页 |
| 3.2.2 连续最短路径 | 第25-27页 |
| 3.3 算法存在的问题分析 | 第27-29页 |
| 3.3.1 跟踪失败的案例 | 第27-28页 |
| 3.3.2 跟踪失败的原因分析 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于高阶图跨时域关联的多目标跟踪 | 第30-41页 |
| 4.1 视频序列预处理 | 第31-32页 |
| 4.2 多目标跟踪算法模型 | 第32-34页 |
| 4.2.1 高阶图的构建 | 第33-34页 |
| 4.2.2 跟踪的限制因素 | 第34页 |
| 4.3 多目标特征提取 | 第34-37页 |
| 4.3.1 表观特征计算 | 第35-36页 |
| 4.3.2 运动特征计算 | 第36-37页 |
| 4.3.3 平滑特征计算 | 第37页 |
| 4.4 高阶图转化为二阶图 | 第37-38页 |
| 4.5 计算二阶子图 | 第38-40页 |
| 4.6 二阶子图后处理 | 第40页 |
| 4.7 本章小结 | 第40-41页 |
| 第五章 实验与结果分析 | 第41-61页 |
| 5.1 实验平台介绍 | 第41-44页 |
| 5.1.1 数据集简介 | 第41-43页 |
| 5.1.2 对比算法 | 第43-44页 |
| 5.2 评测性能指标 | 第44-48页 |
| 5.2.1 目标检测的评测标准 | 第45页 |
| 5.2.2 目标跟踪的评测标准 | 第45-48页 |
| 5.3 算法性能评估 | 第48-60页 |
| 5.3.1 定性分析 | 第48-53页 |
| 5.3.2 定量分析 | 第53-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 研究工作总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-71页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 附录2 攻读硕士学位期间申请的专利 | 第72-73页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第73-74页 |
| 致谢 | 第74页 |
