动态车辆的自动跟踪算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题的提出 | 第9-11页 |
| ·课题的国内外研究现状 | 第11-12页 |
| ·本文的研究难点与重点 | 第12-13页 |
| ·本文的内容安排及结构 | 第13-14页 |
| 第二章 运动车辆目标检测算法及其改进 | 第14-32页 |
| ·前言 | 第14-17页 |
| ·光流法 | 第17-18页 |
| ·背景帧差法 | 第18-20页 |
| ·背景减除法 | 第20-24页 |
| ·算法原理 | 第21-24页 |
| ·高斯和中值滤波 | 第24-25页 |
| ·高斯背景模型 | 第24-25页 |
| ·混合高斯模型的改进 | 第25-29页 |
| ·混合高斯模型背景模型初始化 | 第26页 |
| ·混合高斯模型的更新和建立 | 第26-28页 |
| ·混合高斯分布 | 第28页 |
| ·混合高斯模型参数更新 | 第28页 |
| ·目标提取 | 第28-29页 |
| ·实验分析与结果 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 阴影检测及其去除 | 第32-41页 |
| ·阴影分类 | 第33页 |
| ·现有的阴影检测方法回顾 | 第33-35页 |
| ·阴影区分 | 第35-36页 |
| ·基于RGB空间的阴影处理 | 第36-37页 |
| ·改进的基于RGB空间的阴影处理 | 第37-39页 |
| ·基于HSI空间的阴影处理 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 运动车辆跟踪 | 第41-63页 |
| ·基于特征的跟踪方法 | 第41-42页 |
| ·基于模型的跟踪方法 | 第42页 |
| ·基于轮廓模型的跟踪方法 | 第42-43页 |
| ·基于区域的跟踪方法 | 第43-48页 |
| ·mean shift跟踪算法 | 第43-45页 |
| ·mean shift算法在目标跟踪中的应用 | 第45页 |
| ·程序运行结果分析 | 第45-48页 |
| ·基于Kalman滤波的运动车辆跟踪 | 第48-61页 |
| ·基于特征匹配的跟踪方法 | 第49-50页 |
| ·基于模型匹配的跟踪方法 | 第50页 |
| ·基于统计模型的方法 | 第50-51页 |
| ·基于区域匹配模型的跟踪方法 | 第51-52页 |
| ·Kalman滤波器的原理 | 第52-55页 |
| ·Kalman滤波在运动跟踪中的应用 | 第53-55页 |
| ·基于Kalman预测模型的区域匹配车辆跟踪 | 第55-60页 |
| ·车辆区域观测参数的提取 | 第56页 |
| ·预测模型的区域车辆跟踪 | 第56-60页 |
| ·实验结果 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-66页 |
| ·本文总结 | 第63-64页 |
| ·未来工作展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第70页 |
