复杂场景下的运动目标检测与跟踪方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-17页 |
| ·研究背景及目的 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·动目标检测方法 | 第13-14页 |
| ·运动目标跟踪方法 | 第14-15页 |
| ·技术难点 | 第15页 |
| ·论文结构 | 第15-17页 |
| 第2章 复杂场景下运动目标的检测 | 第17-33页 |
| ·引言 | 第17页 |
| ·常用的目标检测算法 | 第17-21页 |
| ·帧差法 | 第18页 |
| ·光流法 | 第18-19页 |
| ·背景差分法 | 第19-21页 |
| ·一种新的自适应背景差分法 | 第21-29页 |
| ·背景建模及初步检测 | 第22-24页 |
| ·模型更新过程 | 第24-27页 |
| ·伪前景模型 | 第27-29页 |
| ·实验及结果分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 运动目标跟踪 | 第33-58页 |
| ·引言 | 第33-34页 |
| ·粒子滤波基本原理 | 第34-40页 |
| ·贝叶斯滤波 | 第34-35页 |
| ·蒙特卡洛方法 | 第35-36页 |
| ·重要性采样 | 第36-37页 |
| ·序列重要性采样(SIS) | 第37-38页 |
| ·重采样 | 第38-40页 |
| ·MCMC粒子滤波算法 | 第40-42页 |
| ·MEAN SHIFT(MS) | 第42-45页 |
| ·MS基本思想 | 第42-43页 |
| ·基于MS的目标跟踪算法 | 第43-45页 |
| ·数据关联 | 第45-49页 |
| ·最近邻数据关联(NNDA) | 第45-46页 |
| ·联合概率数据关联(JPDA) | 第46-47页 |
| ·马尔科夫链蒙特卡洛数据关联(MCMCDA) | 第47-49页 |
| ·基于MCMC与MS目标跟踪算法 | 第49-53页 |
| ·目标状态模型 | 第50页 |
| ·似然模型 | 第50-52页 |
| ·算法流程 | 第52-53页 |
| ·实验及结果分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 总结与展望 | 第58-60页 |
| ·本文工作总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 后记 | 第63-64页 |
