基于SVM的目标跟踪算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外发展现状 | 第10-11页 |
| ·目标跟踪技术简述 | 第11-12页 |
| ·技术难点 | 第12页 |
| ·本文的主要工作及结构安排 | 第12-14页 |
| 第二章 目标跟踪相关技术研究 | 第14-28页 |
| ·目标表示 | 第14-15页 |
| ·目标特征选取 | 第15-16页 |
| ·目标检测方法 | 第16-21页 |
| ·点检测 | 第16-17页 |
| ·背景差分法 | 第17-18页 |
| ·光流法 | 第18-19页 |
| ·图像分割法 | 第19-21页 |
| ·均值聚类 | 第19页 |
| ·基于图割的图像分割 | 第19-20页 |
| ·活动轮廓 | 第20页 |
| ·监督式学习 | 第20-21页 |
| ·目标跟踪方法 | 第21-27页 |
| ·目标跟踪方法分类 | 第21-22页 |
| ·均值飘移跟踪算法 | 第22-27页 |
| ·目标表示 | 第22-23页 |
| ·目标建模 | 第23-24页 |
| ·目标候选模型 | 第24页 |
| ·基于Bhattacharyya系数的度量标准 | 第24页 |
| ·距离最小化 | 第24-25页 |
| ·实验分析 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 单个SVM的目标跟踪算法 | 第28-41页 |
| ·引论 | 第28-29页 |
| ·支持向量机理论介绍 | 第29-32页 |
| ·单个SVM的目标跟踪算法概述 | 第32-37页 |
| ·SVM分类 | 第33页 |
| ·模板更新机制 | 第33-34页 |
| ·基于目标和背景加权的Mean shift算法 | 第34-37页 |
| ·空间位置加权 | 第34-35页 |
| ·背景点特征加权 | 第35-36页 |
| ·候选模板的加权 | 第36-37页 |
| ·算法框架 | 第37页 |
| ·实验结果分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 多个SVM的目标跟踪算法 | 第41-51页 |
| ·样本选取 | 第41-42页 |
| ·特征空间和核函数的选取 | 第42-44页 |
| ·颜色概率直方图HCP | 第42-43页 |
| ·梯度方向直方图HOG | 第43-44页 |
| ·核函数选取 | 第44页 |
| ·协同训练的目标检测算法 | 第44-47页 |
| ·协同训练 | 第44-45页 |
| ·合成分类预测图 | 第45-46页 |
| ·样本筛选 | 第46-47页 |
| ·模板更新 | 第47页 |
| ·多个SVM的目标跟踪算法 | 第47页 |
| ·实验结果分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 结束语 | 第51-53页 |
| ·工作总结 | 第51页 |
| ·未来展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间发表的学术论文 | 第58-59页 |
| 攻读硕士期间参与的科研项目 | 第59页 |
