基于视频的目标检测与跟踪方法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题的背景及意义 | 第9-10页 |
| ·国内外研究的发展和现状 | 第10-11页 |
| ·目标检测与跟踪的研究方法 | 第11-15页 |
| ·目标检测的研究方法 | 第11-12页 |
| ·目标跟踪的研究方法 | 第12-13页 |
| ·目标检测与跟踪的关键技术 | 第13-14页 |
| ·目标检测与跟踪的难点 | 第14-15页 |
| ·论文主要研究内容及结构 | 第15-17页 |
| 第二章 运动目标的检测 | 第17-29页 |
| ·运动目标的检测方法 | 第17-19页 |
| ·帧间差分法 | 第17-18页 |
| ·背景差法 | 第18页 |
| ·光流法 | 第18-19页 |
| ·动态背景下的运动目标检测 | 第19-22页 |
| ·角点检测 | 第19-21页 |
| ·角点匹配 | 第21页 |
| ·改进帧差法 | 第21-22页 |
| ·行人与车辆的检测 | 第22-24页 |
| ·实验结果及分析 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 跟踪用的目标特征模型 | 第29-37页 |
| ·目标的特征 | 第29-34页 |
| ·颜色直方图特征 | 第29-31页 |
| ·目标纹理特征 | 第31-33页 |
| ·边缘方向特征 | 第33-34页 |
| ·目标特征匹配 | 第34-35页 |
| ·特征信息的融合 | 第35-36页 |
| ·颜色直方图与背景信息的融合 | 第35-36页 |
| ·颜色直方图与纹理特征融合 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第四章 粒子滤波目标跟踪 | 第37-51页 |
| ·粒子滤波算法原理 | 第37-40页 |
| ·粒子滤波原理 | 第37-38页 |
| ·粒子滤波过程 | 第38-40页 |
| ·粒子滤波跟踪算法 | 第40-42页 |
| ·目标跟踪的动态系统 | 第40-41页 |
| ·目标状态的观测模型 | 第41页 |
| ·跟踪结果及模型更新 | 第41-42页 |
| ·粒子滤波跟踪的改进算法 | 第42-46页 |
| ·目标特征融合 | 第42-43页 |
| ·Bhattacharyya系数改进 | 第43-44页 |
| ·K均值算法 | 第44-45页 |
| ·粒子滤波跟踪的改进算法步骤 | 第45-46页 |
| ·实验结果与分析 | 第46-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 Mean Shift目标跟踪 | 第51-63页 |
| ·Mean Shift目标跟踪算法 | 第51-53页 |
| ·Mean Shift方法基本原理 | 第51-52页 |
| ·Mean Shift计算步骤 | 第52-53页 |
| ·基于Mean Shift的目标跟踪 | 第53页 |
| ·卡尔曼滤波和Mean Shift算法的融合 | 第53-56页 |
| ·卡尔曼滤波原理 | 第54-55页 |
| ·卡尔曼滤波对目标状态的估计 | 第55-56页 |
| ·卡尔曼滤波和Mean Shift算法的融合 | 第56页 |
| ·多目标跟踪问题 | 第56-59页 |
| ·实验结果与分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结 | 第63-65页 |
| ·本文工作总结 | 第63页 |
| ·研究与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
