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 |