基于运动背景补偿的智能车辆跟踪方法研究与应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 智能车辆的研究现状 | 第10-12页 |
| 1.2.2 目标检测与跟踪方法研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-17页 |
| 第2章 常见的移动目标检测与追踪算法分析 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 常用的移动目标检测算法 | 第17-21页 |
| 2.2.1 在静态背景下移动目标的检测法 | 第17-18页 |
| 2.2.2 动态背景下移动目标的检测法 | 第18-21页 |
| 2.3 常用的移动目标跟踪算法的分类 | 第21-22页 |
| 2.3.1 基于特征匹配的移动目标的跟踪算法 | 第21-22页 |
| 2.3.2 基于区域匹配的运动目标的跟踪算法 | 第22页 |
| 2.3.3 基于运动估计的移动目标的跟踪算法 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 Camshift目标跟踪算法 | 第23-29页 |
| 3.1 MeanShift算法的原理分析 | 第23-25页 |
| 3.2 Camshift算法的追踪过程 | 第25-26页 |
| 3.3 CamShift算法的实现过程 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 基于运动背景进行补偿的目标检测 | 第29-51页 |
| 4.1 提取特征点 | 第29-37页 |
| 4.1.1 Harris角点的基本原理 | 第31-33页 |
| 4.1.2 Harris角点检测的实现步骤 | 第33-34页 |
| 4.1.3 Harris角点检测的性能分析 | 第34-37页 |
| 4.2 特征点的匹配 | 第37-41页 |
| 4.2.1 归一化互相关算法 | 第37-38页 |
| 4.2.2 序贯相似性检测算法 | 第38-39页 |
| 4.2.3 两种匹配算法的对比 | 第39-41页 |
| 4.3 特征点的筛选 | 第41-44页 |
| 4.3.1 筛选特征点对的步骤 | 第41-42页 |
| 4.3.2 特征点对的筛选效果 | 第42-44页 |
| 4.4 摄像机模型的确立 | 第44-45页 |
| 4.4.1 摄像机模型 | 第44页 |
| 4.4.2 摄像机的参数求解 | 第44-45页 |
| 4.5 基于背景的目标检测 | 第45页 |
| 4.6 实验结果的分析 | 第45-49页 |
| 4.7 本章小结 | 第49-51页 |
| 第5章 基于Camshift算法的目标跟踪 | 第51-61页 |
| 5.1 传统Camshift算法的不足 | 第51页 |
| 5.2 基于改进的Camshift算法跟踪流程 | 第51-53页 |
| 5.3 实验结果与实验分析 | 第53-60页 |
| 5.3.1 同色干扰实验 | 第53-57页 |
| 5.3.2 晴天环境实验 | 第57-58页 |
| 5.3.3 阴天环境实验 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间所取得的研究成果 | 第69-71页 |
| 致谢 | 第71-72页 |
