复杂条件下序列图像跟踪算法应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·机器视觉与序列图像 | 第9页 |
| ·目标跟踪的研究背景及意义 | 第9-12页 |
| ·视频的电视监控 | 第10-11页 |
| ·序列图像视频压缩编码 | 第11页 |
| ·序列图像中目标跟踪在智能交通系统中的应用举例 | 第11-12页 |
| ·人机交互 | 第12页 |
| ·序列图像中运动目标跟踪研究现状及研究面临的问题 | 第12-14页 |
| ·研究现状 | 第12-14页 |
| ·研究所面临的难题 | 第14页 |
| ·目标跟踪的主要方法 | 第14-15页 |
| ·基于检测的方法 | 第15页 |
| ·基于识别的方法 | 第15页 |
| ·本文的研究思路与研究内容 | 第15-17页 |
| 第二章 目标跟踪原理 | 第17-30页 |
| ·序列图像中单个运动目标跟踪原理 | 第17-22页 |
| ·测量数据形成与处理 | 第18页 |
| ·运动目标模型 | 第18-19页 |
| ·序列图像中运动检测与运动辨识 | 第19-20页 |
| ·跟踪算法的自适应滤波与预测 | 第20-21页 |
| ·跟踪坐标系与滤波状态变量的选取 | 第21-22页 |
| ·多运动目标跟踪基本原理 | 第22-26页 |
| ·序列图像中跟踪窗口的形成 | 第23页 |
| ·数据关联与跟踪维持 | 第23-25页 |
| ·序列图像运动目标的跟踪起始与跟踪终结 | 第25页 |
| ·序列图像中的运动目标的漏报与虚警 | 第25-26页 |
| ·序列图像中一些运动目标的数学模型 | 第26-30页 |
| ·微分多项式模型 | 第26-28页 |
| ·构建的 CV 和 CA 模型 | 第28页 |
| ·运动目标的半马尔可夫模型 | 第28-29页 |
| ·运动目标的 Noval 统计模型 | 第29页 |
| ·运动目标的“当前”统计模型 | 第29-30页 |
| 第三章 目标跟踪算法 | 第30-40页 |
| ·目标跟踪的几种方法 | 第30-39页 |
| ·基于粒子滤波器的目标跟踪算法 | 第30-31页 |
| ·粒子滤波中一般的目标跟踪问题 | 第31页 |
| ·一般粒子滤波器 | 第31-33页 |
| ·实验结果 | 第33-35页 |
| ·基于 Kalman 滤波的视频跟踪算法 | 第35-37页 |
| ·卡尔曼滤波器视目标预测效果 | 第37页 |
| ·基于均值漂移的跟踪算法研究 | 第37-39页 |
| ·序列图像目标跟踪中的一些干扰问题 | 第39-40页 |
| 第四章 强跟踪滤波器 | 第40-45页 |
| ·强跟踪滤波器的介绍 | 第40-41页 |
| ·卡尔曼滤波器 | 第40-41页 |
| ·强跟踪滤波器定义 | 第41-43页 |
| ·采用强跟踪滤波器跟踪的仿真分析 | 第43-44页 |
| ·强跟踪滤波器跟踪结论 | 第44-45页 |
| 第五章 强跟踪滤波器在目标跟踪中的应用 | 第45-63页 |
| ·目标跟踪与强滤波器的结合 | 第45页 |
| ·目标跟踪中的程序实现 | 第45-61页 |
| ·单一运动目标出现障碍物时的跟踪实验 | 第45-49页 |
| ·按指定部位等搜索框跟踪实验 | 第49-52页 |
| ·多目标跟踪实验 | 第52-56页 |
| ·背景变化下的目标跟踪实验 | 第56-60页 |
| ·强跟踪滤波器与粒子滤波算法的比较 | 第60-61页 |
| ·跟踪中的问题 | 第61-63页 |
| 第六章 结论与展望 | 第63-65页 |
| ·结论 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 硕士阶段公开发表的论文 | 第68-69页 |
| 致谢 | 第69-70页 |
