基于特征和背景更新的粒子滤波视频跟踪技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 选题背景和研究意义 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.2.1 基于目标模型改进的粒子滤波视频跟踪 | 第14页 |
| 1.2.2 基于粒子重采样改进的视频跟踪 | 第14-15页 |
| 1.2.3 结合目标检测的粒子滤波跟踪方法 | 第15页 |
| 1.2.4 多种跟踪方法相结合的粒子滤波视频跟踪 | 第15-16页 |
| 1.3 粒子滤波视频跟踪技术难点 | 第16-17页 |
| 1.3.1 算法的鲁棒性问题 | 第16页 |
| 1.3.2 算法的精准性问题 | 第16-17页 |
| 1.3.3 算法的实时性问题 | 第17页 |
| 1.4 本文主要研究内容 | 第17-18页 |
| 1.5 论文结构安排 | 第18-21页 |
| 第二章 粒子滤波算法 | 第21-33页 |
| 2.1 粒子滤波算法 | 第21-24页 |
| 2.1.1 粒子滤波算法原理 | 第21-23页 |
| 2.1.2 粒子滤波算法 | 第23-24页 |
| 2.2 粒子滤波算法在视频跟踪中的应用 | 第24-31页 |
| 2.2.1 粒子滤波在目标跟踪中的数学描述 | 第24-25页 |
| 2.2.2 目标特征选择 | 第25页 |
| 2.2.3 状态转移模型 | 第25-26页 |
| 2.2.4 系统观测模型 | 第26-27页 |
| 2.2.5 序贯重要性采样 | 第27-30页 |
| 2.2.6 重采样技术 | 第30-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 基于背景更新的运动目标检测 | 第33-45页 |
| 3.1 背景更新方法 | 第33-39页 |
| 3.1.1 Surendra背景更新算法 | 第33-34页 |
| 3.1.2 改进的背景更新算法 | 第34-37页 |
| 3.1.3 实验与分析 | 第37-39页 |
| 3.2 图像后处理 | 第39-42页 |
| 3.2.1 数学形态学处理 | 第39-41页 |
| 3.2.2 连通区域标记 | 第41-42页 |
| 3.3 连通域分析 | 第42页 |
| 3.4 本章小结 | 第42-45页 |
| 第四章 改进的粒子滤波算法 | 第45-55页 |
| 4.1 跟踪目标预测 | 第45-50页 |
| 4.1.1 目标运动轨迹预测 | 第45-48页 |
| 4.1.2 背景更新预测 | 第48-50页 |
| 4.2 改进的自适应变化跟踪窗 | 第50-51页 |
| 4.3 改进的粒子分布模型 | 第51-53页 |
| 4.3.1 粒子的高斯分布模型 | 第51-52页 |
| 4.3.2 粒子的均匀分布模型 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 目标跟踪实现及实验 | 第55-73页 |
| 5.1 图像预处理去噪 | 第55-57页 |
| 5.1.1 均值滤波去噪 | 第55-56页 |
| 5.1.2 中值滤波去噪 | 第56页 |
| 5.1.3 不同去噪方法对比 | 第56-57页 |
| 5.2 目标定位 | 第57-58页 |
| 5.3 基于颜色特征和SIFT特征的目标模板 | 第58-61页 |
| 5.3.1 粒子权值更新 | 第59-60页 |
| 5.3.2 目标模板更新 | 第60-61页 |
| 5.4 SIFT特征点匹配算法 | 第61-63页 |
| 5.4.1 传统的SIFT特征点匹配算法 | 第61-62页 |
| 5.4.2 改进的SIFT特征点匹配算法 | 第62-63页 |
| 5.5 实验结果与分析 | 第63-71页 |
| 5.5.1 精准性验证 | 第63-69页 |
| 5.5.2 遮挡鲁棒性验证 | 第69-70页 |
| 5.5.3 跟踪窗口大小自适应变化验证 | 第70-71页 |
| 5.6 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 本文总结 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
