面向特殊场景的运动人体目标检测与跟踪研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的研究内容和章节安排 | 第12-14页 |
| 第2章 运动目标检测算法分析 | 第14-20页 |
| 2.1 帧间差分法 | 第14-16页 |
| 2.1.1 相邻帧间差分法 | 第14-15页 |
| 2.1.2 三帧差分法 | 第15-16页 |
| 2.2 背景减除法 | 第16-18页 |
| 2.3 光流法 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 运动目标跟踪技术与算法分析 | 第20-31页 |
| 3.1 运动目标跟踪分类 | 第20页 |
| 3.2 运动目标跟踪技术 | 第20-22页 |
| 3.2.1 基于特征的跟踪 | 第21页 |
| 3.2.2 基于轮廓的跟踪 | 第21页 |
| 3.2.3 基于区域的跟踪 | 第21-22页 |
| 3.2.4 基于模型的跟踪 | 第22页 |
| 3.3 运动目标跟踪常用算法 | 第22-23页 |
| 3.3.1 Kalman 滤波 | 第22-23页 |
| 3.3.2 均值漂移算法(Mean-shift) | 第23页 |
| 3.4 粒子滤波基本原理 | 第23-30页 |
| 3.4.1 贝叶斯滤波 | 第23-25页 |
| 3.4.2 蒙特卡罗方法 | 第25-26页 |
| 3.4.3 贝叶斯重要性采样 | 第26-27页 |
| 3.4.4 序列重要性采样 | 第27-29页 |
| 3.4.5 重采样 | 第29页 |
| 3.4.6 粒子滤波算法的流程 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 改进的目标检测算法及实验分析 | 第31-44页 |
| 4.1 混合高斯背景建模 | 第31-33页 |
| 4.1.1 混合高斯背景建模概率函数 | 第31-32页 |
| 4.1.2 模型参数的更新 | 第32页 |
| 4.1.3 背景的生成 | 第32-33页 |
| 4.2 改进的目标检测算法 | 第33-34页 |
| 4.2.1 光照突变环境的判别 | 第33页 |
| 4.2.2 提高算法实时性的策略 | 第33页 |
| 4.2.3 改进的目标检测方法 | 第33-34页 |
| 4.3 实验结果及分析 | 第34-43页 |
| 4.3.1 无光照突变环境下的目标检测 | 第34-37页 |
| 4.3.2 突变环境下的目标检测 | 第37-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于特征融合的目标跟踪 | 第44-55页 |
| 5.1 多特征的融合 | 第44-50页 |
| 5.1.1 目标颜色信息的提取 | 第44-45页 |
| 5.1.2 直方图量化 | 第45-47页 |
| 5.1.3 空间结构特征的提取 | 第47-48页 |
| 5.1.4 多特征信息融合 | 第48-49页 |
| 5.1.5 多特征信息融合跟踪算法流程 | 第49-50页 |
| 5.2 实验结果及分析 | 第50-54页 |
| 5.2.1 室外无光照突变条件下的目标跟踪 | 第50-52页 |
| 5.2.2 室外有光照突变条件下的目标跟踪 | 第52-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第6章 结论与展望 | 第55-57页 |
| 6.1 论文小结 | 第55页 |
| 6.2 进一步展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 1 攻读硕士学位期间发表的论文 | 第62-63页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第63-64页 |
| 详细摘要 | 第64-68页 |
