基于视频序列的单/多目标跟踪算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·研究机构与项目 | 第11-12页 |
| ·目标检测技术研究现状 | 第12-14页 |
| ·目标跟踪技术研究现状 | 第14-15页 |
| ·论文主要工作和结构安排 | 第15-17页 |
| 第2章 基于视频序列的单目标跟踪算法 | 第17-34页 |
| ·引言 | 第17页 |
| ·粒子滤波器原理 | 第17-23页 |
| ·贝叶斯跟踪 | 第17-19页 |
| ·蒙特卡罗思想 | 第19页 |
| ·重要性采样 | 第19-21页 |
| ·重采样 | 第21-22页 |
| ·粒子滤波算法步骤 | 第22-23页 |
| ·在线Boosting算法 | 第23-26页 |
| ·Boosting算法 | 第23-24页 |
| ·在线Boosting算法 | 第24-25页 |
| ·在线Boosting目标跟踪算法 | 第25-26页 |
| ·基于粒子滤波框架的在线Boosting算法 | 第26-29页 |
| ·算法概述 | 第27-28页 |
| ·遮挡处理 | 第28-29页 |
| ·实验结果及分析 | 第29-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 视频序列中行人目标检测 | 第34-48页 |
| ·引言 | 第34页 |
| ·基于Hog特征和SVM分类器的行人目标检测 | 第34-43页 |
| ·行人检测数据库 | 第36-37页 |
| ·HOG特征提取 | 第37-39页 |
| ·SVM分类器理论 | 第39-41页 |
| ·HOG行人检测过程 | 第41-43页 |
| ·基于Vibe-Hog的行人目标检测 | 第43-47页 |
| ·运动区域提取（Vibe） | 第43-44页 |
| ·形态学滤波与邻近矩形合并 | 第44-46页 |
| ·Hog特征行人检测与实验测试 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 面向行人的多目标跟踪算法 | 第48-61页 |
| ·引言 | 第48页 |
| ·Kalman- Mean shift跟踪算法 | 第48-52页 |
| ·Mean shift算法 | 第48-50页 |
| ·Kalman滤波算法 | 第50-51页 |
| ·Kalman滤波对Meanshift算法的改进 | 第51-52页 |
| ·特征选择 | 第52-55页 |
| ·常用特征空间 | 第52-54页 |
| ·在线特征选择 | 第54-55页 |
| ·数据关联 | 第55-57页 |
| ·初始化与目标大小调整 | 第57页 |
| ·目标初始化与终止 | 第57页 |
| ·目标大小自适应调整 | 第57页 |
| ·实验结果及分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间参加的科研项目和成果 | 第68页 |
