摘要 | 第1-8页 |
Abstract | 第8-14页 |
Contents | 第14-17页 |
图表目录 | 第17-20页 |
List of Figures and Tables | 第20-23页 |
第1章 绪论 | 第23-44页 |
·课题背景 | 第23-25页 |
·运动目标检测国内外研究现状 | 第25-29页 |
·视觉目标跟踪国内外研究现状 | 第29-39页 |
·目标表观的建模和提取 | 第31-38页 |
·数据关联和滤波方法 | 第38-39页 |
·论文的主要研究内容 | 第39-44页 |
·论文的主要工作和贡献 | 第39-41页 |
·论文的结构安排 | 第41-44页 |
第2章 动态场景背景建模与运动目标检测 | 第44-64页 |
·引言 | 第44页 |
·相关工作介绍 | 第44-45页 |
·动态场景中相邻像素之间的共生关系 | 第45-46页 |
·基于纹理和运动模式融合的运动目标检测算法 | 第46-51页 |
·纹理模式和运动模式提取 | 第46-47页 |
·背景建模和运动目标检测 | 第47-49页 |
·实验结果 | 第49-51页 |
·基于标准差特征的运动目标检测算法 | 第51-56页 |
·标准差特征 | 第51-53页 |
·背景建模和运动目标检测 | 第53-54页 |
·实验结果 | 第54-56页 |
·基于局部前景/背景标记直方图的运动目标检测算法 | 第56-63页 |
·局部前景/背景标记直方图 | 第56-58页 |
·背景建模和运动目标检测 | 第58-59页 |
·实验结果 | 第59-63页 |
·小结 | 第63-64页 |
第3章 基于背景剪除驱动种子选择的自动运动目标分割 | 第64-79页 |
·引言 | 第64页 |
·相关工作介绍 | 第64-66页 |
·基于背景剪除种子选择的运动目标分割方法 | 第66-72页 |
·基于近邻图像块嵌入特征的背景剪除 | 第67-69页 |
·基于混合高斯模型的背景剪除 | 第69-71页 |
·基于启发式种子选择的自动运动目标分割 | 第71-72页 |
·实验结果 | 第72-77页 |
·运动目标分割方法的定性评价 | 第72-77页 |
·运动目标分割方法的定量评价 | 第77页 |
·小结 | 第77-79页 |
第4章 基于分块表观模型和局部背景估计的自适应视觉目标跟踪 | 第79-90页 |
·引言 | 第79-80页 |
·相关工作介绍 | 第80-81页 |
·基于分块表观模型和局部背景估计的目标跟踪方法 | 第81-85页 |
·基于分块的目标表观模型 | 第81-83页 |
·建立目标上下文区域的局部背景模型 | 第83-84页 |
·跟踪和模型更新 | 第84-85页 |
·实验结果 | 第85-89页 |
·实验环境设置 | 第86页 |
·与其他跟踪方法的定性比较 | 第86-87页 |
·与其他跟踪方法的定量比较 | 第87-89页 |
·局部背景模型的有效性分析 | 第89页 |
·小结 | 第89-90页 |
第5章 基于弱监督学习的视觉目标跟踪 | 第90-121页 |
·引言 | 第90-91页 |
·问题提出背景及相关工作介绍 | 第91-92页 |
·从弱监督学习的角度来看待视觉目标跟踪问题 | 第92-95页 |
·鸡生蛋蛋生鸡问题 | 第92-93页 |
·从多个精度未知的标记源进行弱监督学习 | 第93-95页 |
·从多个标记源进行弱监督学习的视觉目标跟踪场景 | 第95页 |
·鲁棒的视觉目标跟踪 | 第95-100页 |
·互补的跟踪算法集合 | 第97-98页 |
·训练样本的启发式选择 | 第98-99页 |
·在线评价跟踪算法 | 第99-100页 |
·算法总结 | 第100页 |
·实验结果 | 第100-119页 |
·实验环境设置 | 第101-103页 |
·与其他跟踪算法进行比较 | 第103-108页 |
·候选跟踪算法的不同组合对本章算法的影响 | 第108-109页 |
·候选跟踪算法有效性分析 | 第109页 |
·融合过程 | 第109-111页 |
·随机跟踪器对本章算法的影响 | 第111-115页 |
·对跟踪结果进行扰动 | 第115-119页 |
·小结 | 第119-121页 |
结论 | 第121-123页 |
参考文献 | 第123-136页 |
攻读博士学位期间发表的论文 | 第136-140页 |
致谢 | 第140-142页 |
个人简历 | 第142页 |