| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究的背景与意义 | 第9-10页 |
| 1.2 目标跟踪的挑战 | 第10-12页 |
| 1.2.1 对图像特征提取的研究 | 第10页 |
| 1.2.2 目标的尺度变化问题 | 第10-11页 |
| 1.2.3 目标跟踪中的遮挡问题 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 目标特征提取的研究现状 | 第12-13页 |
| 1.3.2 跟踪算法的研究现状 | 第13-14页 |
| 1.4 本文的主要工作和内容安排 | 第14-16页 |
| 第二章 目标跟踪方法概述 | 第16-35页 |
| 2.1 基于运动分析的目标跟踪方法 | 第16-23页 |
| 2.1.1 背景差分法 | 第16-18页 |
| 2.1.2 帧间差分法 | 第18-19页 |
| 2.1.3 光流法 | 第19-20页 |
| 2.1.4 基于混合高斯模型的背景建模 | 第20-21页 |
| 2.1.5 基于码本的背景建模 | 第21-23页 |
| 2.2 基于图像匹配的目标跟踪方法 | 第23-33页 |
| 2.2.1 总体要求 | 第23-24页 |
| 2.2.2 特征提取 | 第24-28页 |
| 2.2.3 运动模型 | 第28-29页 |
| 2.2.4 观察模型 | 第29-33页 |
| 2.2.5 模型更新 | 第33页 |
| 2.3 本章小结 | 第33-35页 |
| 第三章 尺度自适应的目标跟踪算法 | 第35-46页 |
| 3.1 压缩特征跟踪算法简介 | 第35-37页 |
| 3.1.1 基于压缩特征的特征提取 | 第35-36页 |
| 3.1.2 贝叶斯分类器的构建和更新 | 第36-37页 |
| 3.2 基于压缩特征的尺度自适应目标跟踪算法 | 第37-40页 |
| 3.2.1 对尺度变化评估的方法 | 第37页 |
| 3.2.2 分块跟踪的思想及算法流程 | 第37-40页 |
| 3.3 实验结果与分析 | 第40-45页 |
| 3.3.1 参数设置 | 第40页 |
| 3.3.2 评价指标 | 第40页 |
| 3.3.3 性能比较 | 第40-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 主颜色谱直方图融合部件信息的目标匹配算法 | 第46-69页 |
| 4.1 目标检测算法以及后处理过程 | 第47-49页 |
| 4.2 主颜色直方图匹配算法 | 第49-53页 |
| 4.2.1 颜色距离的概念 | 第49页 |
| 4.2.2 初步确定主颜色 | 第49-50页 |
| 4.2.3 K均值聚类算法 | 第50-51页 |
| 4.2.4 相似度测量 | 第51-52页 |
| 4.2.5 主颜色谱直方图的匹配准则 | 第52-53页 |
| 4.3 对上身部件的描述 | 第53-57页 |
| 4.3.1 上身部件的提取算法 | 第53-54页 |
| 4.3.2 LBP特征简介 | 第54-55页 |
| 4.3.3 LBP等价模式 | 第55-56页 |
| 4.3.4 LBP旋转不变等价模式 | 第56页 |
| 4.3.5 用于匹配的衣服LBP特征指标 | 第56-57页 |
| 4.4 对上身部件的匹配 | 第57页 |
| 4.4.1 运用SVM分类器的匹配思想 | 第57页 |
| 4.4.2 样本的选取方法和匹配判决方法 | 第57页 |
| 4.5 主颜色谱直方图融合部件信息的目标匹配算法 | 第57-58页 |
| 4.6 实验结果与分析 | 第58-68页 |
| 4.6.1 主颜色谱直方图的目标匹配实验结果 | 第58-60页 |
| 4.6.2 基于部件信息的目标匹配实验结果 | 第60-64页 |
| 4.6.3 主颜色谱直方图融合部件信息的目标匹配实验结果 | 第64-68页 |
| 4.7 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 工作总结 | 第69-70页 |
| 5.2 未来展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第76-77页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第77-78页 |
| 致谢 | 第78页 |