运动目标检测跟踪算法的研究与实现
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 目标跟踪研究现状 | 第8-11页 |
| 1.2.2 运动目标检测应用现状 | 第11页 |
| 1.3 任务难点 | 第11-12页 |
| 1.4 本文结构安排 | 第12-15页 |
| 第2章 运动目标检测与跟踪方法关键技术 | 第15-35页 |
| 2.1 DSP平台基础 | 第15-18页 |
| 2.1.1 DM642芯片 | 第15-16页 |
| 2.1.2 DSP/BIOS实时操作系统 | 第16-17页 |
| 2.1.3 FVID驱动 | 第17-18页 |
| 2.2 运动目标检测原理 | 第18-20页 |
| 2.2.1 简单背景下运动目标检测算法 | 第19页 |
| 2.2.2 复杂背景下运动目标检测算法 | 第19-20页 |
| 2.3 目标跟踪算法原理 | 第20-26页 |
| 2.3.1 运动模型 | 第20-22页 |
| 2.3.2 外观模型 | 第22-26页 |
| 2.4 深度学习相关理论 | 第26-34页 |
| 2.4.1 卷积神经网络 | 第26-31页 |
| 2.4.2 反向传播算法 | 第31-32页 |
| 2.4.3 全卷积网络 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于ViBe算法的运动目标检测系统 | 第35-45页 |
| 3.1 运动目标检测系统硬件架构设计 | 第35-36页 |
| 3.2 运动目标检测系统软件设计 | 第36-43页 |
| 3.2.1 视频采集与显示 | 第37-39页 |
| 3.2.2 视频处理 | 第39-43页 |
| 3.3 代码优化移植 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于全卷积神经网络的目标跟踪算法 | 第45-61页 |
| 4.1 全卷积网络结构跟踪器设计 | 第46页 |
| 4.2 基于光流运动补偿的目标位置估计 | 第46-50页 |
| 4.2.1 传统余弦窗叠加策略存在的问题 | 第47-48页 |
| 4.2.2 基于FlowNet的目标位置估计策略 | 第48-50页 |
| 4.3 基于难例挖掘的端到端离线训练 | 第50-52页 |
| 4.4 实验结果分析 | 第52-59页 |
| 4.4.1 实验设置 | 第52-53页 |
| 4.4.2 评价准则 | 第53-54页 |
| 4.4.3 实验结果 | 第54-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 发表论文和参加科研情况 | 第69-71页 |
| 致谢 | 第71页 |
