动态背景下的视频目标检测与跟踪研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-15页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 目标检测研究现状 | 第11-12页 |
| 1.2.2 目标跟踪研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 2 动态背景下运动目标检测算法分析 | 第15-27页 |
| 2.1 基于光流法的运动目标检测 | 第15-19页 |
| 2.1.1 运动场 | 第15-16页 |
| 2.1.2 光流计算方法 | 第16-18页 |
| 2.1.3 光流法目标检测仿真实验 | 第18-19页 |
| 2.2 基于背景补偿法的运动目标检测 | 第19-24页 |
| 2.2.1 图像匹配 | 第19-23页 |
| 2.2.2 全局运动参数估计及运动补偿 | 第23-24页 |
| 2.3 块匹配算法 | 第24-25页 |
| 2.4 基于块匹配的背景补偿算法实验及分析 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于改进的背景补偿算法目标检测研究 | 第27-38页 |
| 3.1 背景补偿算法改进方案 | 第27-29页 |
| 3.2 尺度空间建立 | 第29-31页 |
| 3.3 特征点提取及生成 | 第31页 |
| 3.4 基于FLANN的特征匹配 | 第31-32页 |
| 3.5 外点滤除 | 第32-34页 |
| 3.5.1 剔除目标点 | 第32页 |
| 3.5.2 基于RANSAC的错误匹配点滤除 | 第32-34页 |
| 3.6 背景补偿及获取运动目标 | 第34页 |
| 3.7 改进背景补偿算法实验及分析 | 第34-37页 |
| 3.8 本章小结 | 第37-38页 |
| 4 基于TLD的目标跟踪算法研究 | 第38-51页 |
| 4.1 TLD理论及目标模型 | 第38-40页 |
| 4.2 TLD检测模块 | 第40-43页 |
| 4.2.1 方差分类器 | 第42页 |
| 4.2.2 集合分类器 | 第42-43页 |
| 4.2.3 最近邻分类器 | 第43页 |
| 4.3 TLD跟踪模块 | 第43-45页 |
| 4.4 TLD学习模块 | 第45-48页 |
| 4.4.1 P-N学习 | 第46-47页 |
| 4.4.2 P-N学习在TLD算法中的应用 | 第47-48页 |
| 4.5 TLD综合模块 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 5 改进的TLD目标跟踪算法研究 | 第51-66页 |
| 5.1 TLD算法改进方案 | 第51-57页 |
| 5.1.1 颜色空间模型及颜色特征表示方法 | 第52-54页 |
| 5.1.2 颜色分类器 | 第54-55页 |
| 5.1.3 TLD中颜色分类器实现 | 第55-57页 |
| 5.2 改进TLD算法的实验结果及分析 | 第57-63页 |
| 5.3 基于背景补偿和TLD的运动目标自动跟踪 | 第63-65页 |
| 5.3.1 算法实现 | 第63页 |
| 5.3.2 运动目标自动检测和跟踪实验及分析 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 个人简历与研究成果 | 第71-72页 |
| 致谢 | 第72页 |
