| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 计算机视觉 | 第9-10页 |
| 1.1.2 运动目标跟踪技术的发展和应用 | 第10-12页 |
| 1.2 算法的研究现状 | 第12-15页 |
| 1.2.1 运动目标跟踪 | 第12-13页 |
| 1.2.2 光流法 | 第13-15页 |
| 1.3 运动目标跟踪面临的问题 | 第15-16页 |
| 1.4 论文的主要内容及结构安排 | 第16-19页 |
| 第二章 光流法理论基础 | 第19-29页 |
| 2.1 光流场与三维运动场的关系 | 第19-21页 |
| 2.2 Horn-Schunck光流法 | 第21-23页 |
| 2.3 Lucas-Kanade光流法 | 第23-28页 |
| 2.3.1 金字塔LK光流计算方法 | 第24-26页 |
| 2.3.2 改进的LK光流法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于光流法的运动目标跟踪 | 第29-43页 |
| 3.1 算法步骤 | 第29-30页 |
| 3.2 图像预处理 | 第30-35页 |
| 3.2.1 RGB图像的灰度化处理 | 第31-33页 |
| 3.2.2 图像的去噪处理 | 第33-35页 |
| 3.3 角点检测 | 第35-38页 |
| 3.3.1 Moravec算法 | 第35-36页 |
| 3.3.2 Harris角点检测原理 | 第36-37页 |
| 3.3.3 Harris算法步骤及实现 | 第37-38页 |
| 3.4 光流计算与光流聚类 | 第38-39页 |
| 3.5 实验结果及分析 | 第39-40页 |
| 3.6 本章小结 | 第40-43页 |
| 第四章 基于SIFT特征点匹配的运动目标跟踪 | 第43-55页 |
| 4.1 SIFT特征提取 | 第43-50页 |
| 4.1.1 SIFT中高斯金字塔与高斯差分金字塔的构建 | 第43-46页 |
| 4.1.2 SIFT特征点定位 | 第46-48页 |
| 4.1.3 SIFT特征点的方向分配并生成关键点描述子 | 第48-49页 |
| 4.1.4 SIFT特征点提取的实现 | 第49-50页 |
| 4.2 SIFT特征匹配 | 第50-52页 |
| 4.2.1 特征匹配的相似性度量 | 第50-51页 |
| 4.2.2 RANSAC算法剔除误匹配 | 第51-52页 |
| 4.3 基于SIFT特征点匹配的目标跟踪 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 融合光流法与特征点匹配的运动目标跟踪 | 第55-69页 |
| 5.1 卡尔曼滤波与离散卡尔曼滤波器 | 第55-57页 |
| 5.2 两种跟踪算法的卡尔曼融合 | 第57-63页 |
| 5.3 改进后算法的实验结果及分析 | 第63-67页 |
| 5.3.1 实验平台简介 | 第63-64页 |
| 5.3.2 实验结果 | 第64-65页 |
| 5.3.3 实验结果分析 | 第65-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 本文工作总结 | 第69页 |
| 6.2 本文展望与未来工作 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 发表论文和参加科研情况说明 | 第75-77页 |
| 致谢 | 第77页 |