| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究内容的背景及意义 | 第11页 |
| 1.2 国内外视频图像多目标检测与跟踪技术发展概况 | 第11-15页 |
| 1.2.1 图像目标检测研究现状 | 第12-13页 |
| 1.2.2 图像目标跟踪研究现状 | 第13-15页 |
| 1.3 本论文主要研究内容和安排 | 第15-17页 |
| 第2章 基于积分通道融合特征的图像目标检测 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 相关概念与技术 | 第17-21页 |
| 2.2.1 行人数据集 | 第17-18页 |
| 2.2.2 图像目标特征表达 | 第18-19页 |
| 2.2.3 机器学习与分类器 | 第19-21页 |
| 2.3 基于积分通道融合特征的目标检测 | 第21-25页 |
| 2.3.1 积分通道融合特征 | 第21-22页 |
| 2.3.2 基于boosting的决策树分类器 | 第22-23页 |
| 2.3.3 目标检测分类器训练流程 | 第23-25页 |
| 2.4 检测实验及结果分析 | 第25-30页 |
| 2.4.1 样本库说明和实验参数设置 | 第25页 |
| 2.4.2 实验测试结果分析 | 第25-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于概率假设密度滤波理论的图像多目标跟踪算法 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 目标跟踪滤波算法 | 第31-35页 |
| 3.2.1 贝叶斯滤波和目标跟踪 | 第31-32页 |
| 3.2.2 卡尔曼滤波 | 第32-33页 |
| 3.2.3 粒子滤波 | 第33-35页 |
| 3.3 基于随机有限集多目标跟踪 | 第35-39页 |
| 3.3.1 随机有限集多目标跟踪模型 | 第35-37页 |
| 3.3.2 概率假设密度PHD滤波 | 第37-38页 |
| 3.3.3 PHD滤波算法的粒子实现 | 第38-39页 |
| 3.3.4 PHD滤波算法的高斯混合实现 | 第39页 |
| 3.4 PHD滤波算法仿真实验 | 第39-44页 |
| 3.4.1 多目标跟踪性能评价指标 | 第39-41页 |
| 3.4.2 仿真实验环境及参数设定 | 第41-42页 |
| 3.4.3 仿真结果 | 第42-44页 |
| 3.5 基于概率假设密度滤波的图像多目标跟踪算法中的关键问题 | 第44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于自适应新生目标高斯混合PHD滤波算法的图像多目标跟踪方法 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 自适应新生目标高斯混合PHD滤波算法 | 第45-48页 |
| 4.2.1 随机集理论在视频图像多目标跟踪应用中的可行性分析 | 第45-46页 |
| 4.2.2 自适应新生目标高斯混合PHD滤波递推表达 | 第46-48页 |
| 4.3 基于自适应新生目标高斯混合PHD滤波算法的视频图像多目标跟踪 | 第48-50页 |
| 4.3.1 目标模型 | 第48-49页 |
| 4.3.2 图像多目标跟踪算法实现过程 | 第49-50页 |
| 4.4 跟踪实验及结果分析 | 第50-54页 |
| 4.4.1 实验参数设置 | 第50-51页 |
| 4.4.2 跟踪结果 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 基于连续能量函数最小的图像目标轨迹跟踪方法 | 第55-67页 |
| 5.1 引言 | 第55页 |
| 5.2 能量函数 | 第55-58页 |
| 5.2.1 目标量测模型 | 第56-57页 |
| 5.2.2 目标物理特性 | 第57-58页 |
| 5.2.3 目标轨迹正则化 | 第58页 |
| 5.3 目标遮挡问题处理 | 第58-60页 |
| 5.4 能量最小化过程 | 第60-61页 |
| 5.5 实验结果及分析 | 第61-66页 |
| 5.5.1 实验参数设置 | 第61-63页 |
| 5.5.2 实验结果 | 第63-66页 |
| 5.6 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75-77页 |
| 致谢 | 第77-79页 |
| 附录 | 第79-86页 |
| 附录A 卡尔曼滤波递推过程 | 第79-80页 |
| 附录B 粒子滤波贝叶斯重要性采样和序贯重要性采样 | 第80-82页 |
| 附录C 概率假设密度滤波算法高斯混合实现递推过程 | 第82-85页 |
| 附录D 自适应新生目标PHD滤波算法高斯混合实现递推过程 | 第85-86页 |
