基于稀疏表示的多行人跟踪方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 运动目标检测概述 | 第10-12页 |
| 1.2.2 运动目标跟踪概述 | 第12-13页 |
| 1.2.3 稀疏表示研究现状概述 | 第13-14页 |
| 1.3 本文的研究内容 | 第14页 |
| 1.4 论文的章节安排 | 第14-16页 |
| 第2章 背景建模 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 混合高斯背景建模 | 第16-17页 |
| 2.3 基于统计的背景建模 | 第17-23页 |
| 2.3.1 基于统计的背景建模算法分析 | 第17-19页 |
| 2.3.2 一种基于RGB彩色信息统计的背景建模 | 第19-23页 |
| 2.4 实验结果分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 运动行人目标检测与定位 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 阴影和光照突变检测和去除 | 第25-28页 |
| 3.2.1 阴影检测算法概述 | 第25页 |
| 3.2.2 基于NCC的阴影检测 | 第25-27页 |
| 3.2.3 基于NCC的光照突变检测 | 第27-28页 |
| 3.3 粗定位目标 | 第28页 |
| 3.4 一种优化的分裂区域合并算法 | 第28-33页 |
| 3.4.1 分裂区域特征 | 第28-30页 |
| 3.4.2 摄像机成像特点 | 第30-31页 |
| 3.4.3 算法步骤 | 第31-33页 |
| 3.4.4 实验结果 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于稀疏表示的多行人目标跟踪 | 第34-55页 |
| 4.1 引言 | 第34页 |
| 4.2 稀疏表示理论 | 第34-36页 |
| 4.3 贝叶斯滤波理论 | 第36-37页 |
| 4.4 基于稀疏表示的多行人目标跟踪算法 | 第37-52页 |
| 4.4.1 卡尔曼滤波运动模型 | 第37-38页 |
| 4.4.2 行人目标的特征提取 | 第38-40页 |
| 4.4.3 基于稀疏表示的目标重构与匹配 | 第40-43页 |
| 4.4.4 多行人目标跟踪算法步骤 | 第43-49页 |
| 4.4.5 遮挡处理 | 第49-52页 |
| 4.5 实验结果分析 | 第52-54页 |
| 4.6 本章小节 | 第54-55页 |
| 第5章 结论与展望 | 第55-57页 |
| 5.1 主要研究工作总结 | 第55页 |
| 5.2 研究展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61-62页 |
| 致谢 | 第62页 |
