基于深度神经网络的运动多目标检测跟踪技术研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文主要研究内容 | 第13-15页 |
| 1.4 论文总体结构 | 第15-17页 |
| 第2章 技术研究基础 | 第17-31页 |
| 2.1 视频目标跟踪技术 | 第17-20页 |
| 2.1.1 跟踪模块原理 | 第17-18页 |
| 2.1.2 检测器原理 | 第18-19页 |
| 2.1.3 自学习模块原理 | 第19-20页 |
| 2.2 MDP决策性学习原理 | 第20-23页 |
| 2.2.1 马尔科夫决策过程 | 第21-22页 |
| 2.2.2 马尔科夫决策策略 | 第22-23页 |
| 2.3 多质心双向量跟踪原理 | 第23-24页 |
| 2.3.1 多质心相关概念 | 第23-24页 |
| 2.3.2 频域向量与空域向量 | 第24页 |
| 2.4 视频多目标跟踪技术概述 | 第24-29页 |
| 2.4.1 多目标跟踪技术 | 第24-26页 |
| 2.4.2 深度神经网络概述 | 第26-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于深度神经网络的运动多目标检测算法设计 | 第31-47页 |
| 3.1 算法应用场景分析 | 第31页 |
| 3.2 算法设计 | 第31-38页 |
| 3.2.1 算法原理 | 第32页 |
| 3.2.2 多目标框选与检测 | 第32-34页 |
| 3.2.3 目标质心分割与选择 | 第34页 |
| 3.2.4 质心谱带描绘 | 第34-35页 |
| 3.2.5 决策性学习判定 | 第35-36页 |
| 3.2.6 最终运动轨迹矫正与选择 | 第36-38页 |
| 3.3 算法仿真 | 第38-40页 |
| 3.3.1 特征修复与合并 | 第38-39页 |
| 3.3.2 实例测试 | 第39-40页 |
| 3.4 算法实验及分析 | 第40-45页 |
| 3.4.1 算法准确率判断指标及方法 | 第40-41页 |
| 3.4.2 实验结果对比及分析 | 第41-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第4章 基于深度神经网络的运动多目标跟踪算法设计 | 第47-57页 |
| 4.1 算法应用场景分析 | 第47页 |
| 4.1.1 群体事件分析 | 第47页 |
| 4.1.2 运动轨迹分析 | 第47页 |
| 4.2 算法设计 | 第47-53页 |
| 4.2.1 算法原理 | 第48-49页 |
| 4.2.2 算法实现 | 第49-53页 |
| 4.3 算法实验及分析 | 第53-56页 |
| 4.3.1 多目标跟踪算法跟踪效果 | 第53-56页 |
| 4.3.2 实验结果对比分析 | 第56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 多目标检测与跟踪场景应用及性能分析 | 第57-67页 |
| 5.1 系统应用场景 | 第57页 |
| 5.2 Benchmark数据集介绍与分析 | 第57-58页 |
| 5.3 系统测试指标及验证 | 第58-61页 |
| 5.3.1 测试特征描述 | 第58-59页 |
| 5.3.2 数据集选择 | 第59-60页 |
| 5.3.3 算法评价指标 | 第60页 |
| 5.3.4 分析验证集 | 第60-61页 |
| 5.4 系统测试 | 第61-63页 |
| 5.4.1 测试集评估 | 第61-62页 |
| 5.4.2 算法结果测试 | 第62-63页 |
| 5.5 算法对比分析 | 第63-65页 |
| 5.6 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 致谢 | 第75页 |
