首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于分层关联的多目标跟踪算法研究

摘要第4-5页
Abstract第5-6页
专用术语注释表第9-10页
第一章 绪论第10-16页
    1.1 课题研究背景及意义第10-11页
    1.2 国内外相关研究现状第11-13页
    1.3 目标跟踪中的难点问题分析第13-14页
    1.4 本文的主要工作及内容安排第14-16页
第二章 视频目标跟踪技术的研究第16-25页
    2.1 引言第16页
    2.2 目标跟踪的技术分析第16-18页
        2.2.1 单目标跟踪技术分析第16-17页
        2.2.2 多目标跟踪技术分析第17-18页
    2.3 目标跟踪的经典方法第18-23页
        2.3.1 基于均值漂移的跟踪方法第19页
        2.3.2 基于卡尔曼滤波的跟踪方法第19-20页
        2.3.3 基于粒子滤波的跟踪方法第20-21页
        2.3.4 基于分类器的跟踪方法第21页
        2.3.5 基于检测的跟踪方法第21-23页
    2.4 本文的算法思想第23页
    2.5 本章小节第23-25页
第三章 遮挡处理的局部关联方法第25-39页
    3.1 概述第25页
    3.2 在线分层关联多目标跟踪框架第25-31页
        3.2.1 目标特征提取第25-26页
        3.2.2 匈牙利算法第26-28页
        3.2.3 初始化阶段第28-29页
        3.2.4 局部关联阶段第29页
        3.2.5 全局关联阶段第29-31页
        3.2.6 新目标判断第31页
    3.3 局部关联过程中遮挡问题的分析第31-33页
    3.4 遮挡处理的局部关联第33-37页
        3.4.1 加权环形颜色直方图第33-35页
        3.4.2 目标遮挡检测第35页
        3.4.3 目标遮挡处理第35-37页
    3.5 算法流程第37-38页
    3.6 本章小结第38-39页
第四章 基于运动预测的全局关联方法第39-48页
    4.1 概述第39页
    4.2 卡尔曼滤波算法第39-41页
        4.2.1 卡尔曼滤波简介第39-40页
        4.2.2 卡尔曼滤波基本原理和建模第40-41页
    4.3 关联断开轨迹的难点第41-43页
    4.4 基于运动预测的模糊搜索第43-46页
        4.4.1 局部预测器的选择第43-44页
        4.4.2 卡尔曼预测第44页
        4.4.3 模糊搜索阶段第44-45页
        4.4.4 基于表观特征和运动特征的匹配判断第45-46页
    4.5 算法流程第46-47页
    4.6 算法小结第47-48页
第五章 基于增量线性可判别分析的自适应分层关联跟踪算法第48-56页
    5.1 概述第48页
    5.2 线性可判别分析方法第48-52页
        5.2.1 线性可判别分析方法简介第48-49页
        5.2.2 线性可判别分析的基本原理第49-50页
        5.2.3 增量线性可判别分析的基本原理第50-52页
    5.3 目标相似带来的挑战第52页
    5.4 自适应的分层关联多目标跟踪方法第52-54页
        5.4.1 局部关联阶段第52-53页
        5.4.2 全局关联阶段第53页
        5.4.3 自适应更新ILDA模型第53-54页
    5.5 算法流程第54-55页
    5.6 本章小结第55-56页
第六章 实验结果与分析第56-67页
    6.1 实验平台及多目标跟踪评价标准第56-57页
        6.1.1 实验平台及参数第56页
        6.1.2 多目标跟踪评价标准第56-57页
    6.2 遮挡处理的局部关联方法实验结果第57-60页
        6.2.1 实验设计第57页
        6.2.2 实验结果对比第57-60页
    6.3 基于运动预测的全局关联方法实验结果第60-64页
        6.3.1 实验设计第60-61页
        6.3.2 实验结果对比第61-64页
    6.4 自适应的分层关联多目标跟踪算法实验结果第64-67页
        6.4.1 实验设计第64-65页
        6.4.2 实验结果对比第65-67页
第七章 总结与展望第67-69页
    7.1 工作总结第67-68页
    7.2 展望第68-69页
参考文献第69-73页
附录1 攻读硕士学位期间申请的专利第73-74页
附录2 攻读硕士学位期间参加的科研项目第74-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:基于优化距离测度学习的无重叠视域目标匹配技术研究
下一篇:基于Tilera多核处理器的HEVC多层次并行解码方法的研究与实现