基于智能视频监控的图像跟踪技术研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-13页 |
| ·智能视频监控 | 第11-12页 |
| ·智能视频监控应用前景 | 第12-13页 |
| ·目标跟踪技术研究现状 | 第13-14页 |
| ·目标跟踪技术的发展 | 第13页 |
| ·国外研究现状 | 第13页 |
| ·国内研究现状 | 第13-14页 |
| ·目标跟踪技术主要方法 | 第14-15页 |
| ·技术难点 | 第15-16页 |
| ·本文研究内容及结构安排 | 第16-18页 |
| ·主要工作及贡献 | 第16页 |
| ·论文结构安排 | 第16-18页 |
| 2 基于视频的目标跟踪技术 | 第18-24页 |
| ·运动目标检测技术 | 第18-19页 |
| ·帧差法 | 第18页 |
| ·背景减除法 | 第18-19页 |
| ·光流法 | 第19页 |
| ·目标表示方法 | 第19-20页 |
| ·目标特征提取 | 第20-22页 |
| ·跟踪算法分类 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 目标跟踪算法研究 | 第24-50页 |
| ·Mean Shift跟踪算法 | 第24-29页 |
| ·Mean Shift算法发展历程 | 第24页 |
| ·Mean Shift矢量 | 第24-25页 |
| ·基于Mean Shift思想的目标跟踪算法 | 第25-27页 |
| ·Mean Shift跟踪算法迭代过程 | 第27-28页 |
| ·实验结果与分析 | 第28-29页 |
| ·Cam Shift跟踪算法 | 第29-33页 |
| ·物体的颜色空间模型 | 第29-30页 |
| ·RGB与HSV颜色空间之间的转换 | 第30页 |
| ·反向投影 | 第30-31页 |
| ·Cam Shift目标跟踪 | 第31-32页 |
| ·搜索窗.自适应调整 | 第32-33页 |
| ·实验结果与分析 | 第33页 |
| ·kalman滤波跟踪算法 | 第33-40页 |
| ·kalman滤波器相关数学知识 | 第34-36页 |
| ·kalman方程 | 第36-37页 |
| ·kalman滤波算法的目标跟踪应用 | 第37-39页 |
| ·实验结果分析 | 第39-40页 |
| ·粒子滤波跟踪 | 第40-49页 |
| ·从贝叶斯理论到粒子滤波 | 第40-41页 |
| ·离散贝叶斯滤波器 | 第41-43页 |
| ·基于蒙特卡洛方法的贝叶斯滤波 | 第43-45页 |
| ·重要性采样 | 第45-46页 |
| ·采样函数的选择-序贯重要性采样 | 第46-47页 |
| ·重采样 | 第47页 |
| ·粒子滤波算过程描述 | 第47-49页 |
| ·实验结果分析 | 第49页 |
| ·本章小节 | 第49-50页 |
| 4 基于多特征信息融合的跟踪算法 | 第50-58页 |
| ·目标模型 | 第50-53页 |
| ·运动模型 | 第50-51页 |
| ·观测模型 | 第51-53页 |
| ·基于模糊推理的多特征信息融合 | 第53-54页 |
| ·模糊推理 | 第53页 |
| ·多特征信息融合 | 第53-54页 |
| ·模糊推理与权值调节 | 第54页 |
| ·基于双特征融合的粒子滤波算法的实现 | 第54-56页 |
| ·实验结果与分析 | 第56页 |
| ·本章小节 | 第56-58页 |
| 5 多算法融合的目标跟踪 | 第58-62页 |
| ·Mean Shift算法聚类 | 第58页 |
| ·融合Mean Shift的粒子滤波算法原理 | 第58-60页 |
| ·实验结果与分析 | 第60页 |
| ·本章小节 | 第60-62页 |
| 总结与展望 | 第62-64页 |
| 总结 | 第62-63页 |
| 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表学术论文目录 | 第68-70页 |
| 致谢 | 第70页 |
