基于TLD的目标跟踪算法研究
摘要 | 第3-4页 |
Abstract | 第4页 |
注释表 | 第12-13页 |
第1章 引言 | 第13-22页 |
1.1 研究背景及意义 | 第13页 |
1.2 国内外研究现状 | 第13-16页 |
1.2.1 国内外在目标跟踪领域的研究现状 | 第13-14页 |
1.2.2 TLD目标跟踪算法的国内外研究进展 | 第14-16页 |
1.3 目标跟踪算法概述 | 第16-20页 |
1.3.1 目标跟踪所面临的挑战 | 第16-17页 |
1.3.2 目标的外观表征方式 | 第17-18页 |
1.3.3 目标的特征选择 | 第18-19页 |
1.3.4 目标跟踪算法的分类 | 第19-20页 |
1.4 论文的主要研究内容与内容安排 | 第20-22页 |
1.4.1 本文主要研究内容 | 第20-21页 |
1.4.2 本文各章节内容安排 | 第21-22页 |
第2章 TLD算法的基本理论 | 第22-37页 |
2.1 概述 | 第22-23页 |
2.2 TLD目标跟踪算法的预备知识 | 第23-25页 |
2.2.1 长时目标跟踪 | 第23页 |
2.2.2 目标跟踪中常用的数学概念 | 第23-24页 |
2.2.3 监督学习与半监督学习 | 第24页 |
2.2.4 分类决策树模型 | 第24-25页 |
2.3 跟踪模块 | 第25-27页 |
2.3.1 中值光流跟踪器中跟踪误差自检测的原理 | 第25-26页 |
2.3.2 中值光流跟踪器的实现原理 | 第26-27页 |
2.4 学习模块 | 第27-30页 |
2.4.1 PN专家 | 第28-29页 |
2.4.2 PN学习对分类器性能的影响 | 第29-30页 |
2.5 检测模块 | 第30-35页 |
2.5.1 图像元方差分类器 | 第31页 |
2.5.2 集成分类器 | 第31-34页 |
2.5.3 最近邻分类器 | 第34-35页 |
2.6 整合模块 | 第35页 |
2.7 TLD算法执行流程 | 第35-36页 |
2.8 本章小结 | 第36-37页 |
第3章 一种线性运动下的增强型TLD目标跟踪算法 | 第37-53页 |
3.1 引言 | 第37页 |
3.2 遮挡问题分析及解决方法 | 第37-39页 |
3.3 中值光流跟踪器问题分析及解决方法 | 第39-41页 |
3.4 相关理论 | 第41-45页 |
3.4.1 Kalman滤波理论 | 第41-44页 |
3.4.2 ORB特征检测理论 | 第44-45页 |
3.5 算法流程图与执行步骤 | 第45-47页 |
3.5.1 算法流程图 | 第45-46页 |
3.5.2 算法执行步骤 | 第46-47页 |
3.6 算法实现与仿真分析 | 第47-52页 |
3.6.1 实验方法 | 第47页 |
3.6.2 实验结果与分析 | 第47-52页 |
3.7 本章小结 | 第52-53页 |
第4章 一种基于ViBe的快速TLD目标跟踪算法 | 第53-73页 |
4.1 引言 | 第53页 |
4.2 TLD目标跟踪算法实时性分析 | 第53-57页 |
4.2.1 图像块数量冗余 | 第54-55页 |
4.2.2 图像元方差分类器的阈值恒定 | 第55页 |
4.2.3 最近邻分类器耗时严重 | 第55-57页 |
4.3 TLD目标跟踪算法实时性的改进方法 | 第57-61页 |
4.3.1 图像块数量冗余的改进方法 | 第57-59页 |
4.3.2 图像元方差分类器的阈值恒定的改进方法 | 第59-60页 |
4.3.3 最近邻分类器耗时严重的改进方法 | 第60-61页 |
4.4 ViBe背景抽离技术 | 第61-67页 |
4.4.1 背景模型的像素分类原理 | 第62-63页 |
4.4.2 背景模型的初始化 | 第63-65页 |
4.4.3 背景模型的更新策略 | 第65-66页 |
4.4.4 背景模型的更新流程 | 第66-67页 |
4.5 算法框架图 | 第67-68页 |
4.6 算法实现与仿真分析 | 第68-72页 |
4.6.1 实验方法 | 第68-69页 |
4.6.2 实验结果与分析 | 第69-72页 |
4.7 本章小结 | 第72-73页 |
第5章 总结与展望 | 第73-76页 |
5.1 工作总结 | 第73-74页 |
5.2 研究展望 | 第74-76页 |
参考文献 | 第76-81页 |
致谢 | 第81-82页 |
攻读硕士学位期间从事的科研工作及取得的成果 | 第82页 |