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

基于增量式子空间学习的运动目标跟踪

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-18页
    1.1 研究背景及意义第10-12页
    1.2 运动目标跟踪技术研究现状第12-13页
    1.3 运动目标跟踪算法及其难点第13-16页
        1.3.1 运动目标跟踪技术概述第13页
        1.3.2 运动目标跟踪技术面临的难点第13-16页
    1.4 本文的主要工作第16-18页
        1.4.1 本文的主要研究内容第16页
        1.4.2 本文的组织结构第16-18页
第2章 数字图像处理基础第18-27页
    2.1 图像颜色模型第18-20页
    2.2 图像灰度化第20-21页
    2.3 图像增强第21-23页
    2.4 数学形态学图像处理第23-26页
    2.5 本章小结第26-27页
第3章 一种基于Condensation算法的目标跟踪第27-37页
    3.1 Condensation方法第27-31页
        3.1.1 离散时间状态概率的传播第27-29页
        3.1.2 因子采样第29-30页
        3.1.3 Condensation方法描述第30-31页
    3.2 一种基于Condensation方法的运动目标跟踪第31-36页
        3.2.1 运动目标建模理论第31-33页
        3.2.2 顺序推理模型第33-35页
        3.2.3 方法描述第35-36页
    3.3 本章小结第36-37页
第4章 基于增量式子空间的运动目标跟踪第37-44页
    4.1 引言第37页
    4.2 主成分分析方法简述第37-38页
    4.3 增量子空间方法第38-42页
        4.3.1 增量子空间方法第38-41页
        4.3.2 遗忘因子第41-42页
    4.4 基于增量式子空间学习的运动目标跟踪算法描述第42-43页
    4.5 本章小结第43-44页
第5章 实验结果与分析第44-49页
    5.1 算法的流程第44页
    5.2 实验结果分析第44-47页
        5.2.1 目标物体在平移和旋转情况下的跟踪结果第45-46页
        5.2.2 目标物体在光照、姿态变化时的跟踪结果第46页
        5.2.3 黑夜中运动目标的跟踪结果第46-47页
        5.2.4 运动中的摄像机对目标的跟踪第47页
    5.3 本章小结第47-49页
第6章 总结与展望第49-52页
    6.1 本文的主要工作总结第49页
    6.2 未来工作展望第49-52页
参考文献第52-56页
致谢第56页

论文共56页,点击 下载论文
上一篇:三维欧氏空间中的Weingarten曲面
下一篇:n组平移嵌套三样本的顺序统计量的性质