摘要 | 第1-6页 |
ABSTRACT | 第6-14页 |
第1章 绪论 | 第14-18页 |
·研究背景与意义 | 第14-15页 |
·研究现状 | 第15-16页 |
·视频目标检测与跟踪的主要难点 | 第16页 |
·本文的主要工作 | 第16页 |
·本文的主要安排 | 第16-18页 |
第2章 目标检测与跟踪技术简介 | 第18-29页 |
·目标检测方法简介 | 第18-20页 |
·基于图像分割的目标检测 | 第18页 |
·基于运动信息的目标检测 | 第18-19页 |
·基于模板匹配的目标检测 | 第19页 |
·基于统计学习模型的目标检测方法 | 第19-20页 |
·目标跟踪方法简介 | 第20-22页 |
·基于区域的目标跟踪算法 | 第20-21页 |
·基于特征点的目标跟踪算法 | 第21页 |
·基于轮廓的目标跟踪算法 | 第21页 |
·基于模型的目标跟踪算法 | 第21-22页 |
·常用目标跟踪算法 | 第22-27页 |
·Mean Shift 跟踪算法 | 第22-25页 |
·粒子滤波 | 第25-27页 |
·目标跟踪算法的性能评估 | 第27页 |
·本章小结 | 第27-29页 |
第3章 基于时间序列的 LBP 算子手势检测 | 第29-42页 |
·引言 | 第29页 |
·LBP 算子简介 | 第29-33页 |
·基本的 LBP 算子 | 第29-30页 |
·LBP 算子的特点 | 第30-33页 |
·LBP 算子的优点与缺点 | 第33-34页 |
·基于时间序列的 LBP 算子 | 第34-35页 |
·基于时间序列 LBP 算子特征提取 | 第35-37页 |
·时间序列 LBP 特征提取 | 第35-36页 |
·LBP 特征直方图相似度计算 | 第36-37页 |
·基于时间序列 LBP 算子的手势检测分类器的实现 | 第37-39页 |
·手势数据库的建立 | 第37-38页 |
·手势检测分类器的训练 | 第38-39页 |
·实验结果分析 | 第39-41页 |
·本章小结 | 第41-42页 |
第4章 基于手势形状结构模型的运动检测 | 第42-57页 |
·引言 | 第42页 |
·相关理论知识简介 | 第42-45页 |
·颜色模型 | 第42-44页 |
·最大类间方差 | 第44-45页 |
·手势图像预处理 | 第45-48页 |
·手势轮廓结构提取 | 第45-47页 |
·手势凸包构建 | 第47-48页 |
·手势形状结构模型的构建 | 第48-50页 |
·计算手势的凸缺陷点的开始结束点坐标及其深度 | 第48页 |
·手势轮廓凸缺陷点阈值处理 | 第48页 |
·找出手势轮廓质心 | 第48页 |
·找出手势轮廓区域 | 第48-49页 |
·划为子区域 | 第49页 |
·手势形状模型的建立 | 第49-50页 |
·手势旋转检测 | 第50-51页 |
·实验结果与分析 | 第51-56页 |
·本章小结 | 第56-57页 |
第5章 基于改进的 On-line AdaBoost 算法的手势跟踪 | 第57-84页 |
·引言 | 第57-58页 |
·目标跟踪关键技术 | 第58-65页 |
·PAC 学习模型 | 第58-60页 |
·光流法简介 | 第60-65页 |
·On-line AdaBoost 算法 | 第65-68页 |
·off-line AdaBoost 算法 | 第65-66页 |
·on-line AdaBoost 算法 | 第66-68页 |
·基于改进的 On-line AdaBoost 算法的手势跟踪 | 第68-76页 |
·手势特征点提取 | 第68-71页 |
·特征点跟踪误差衡量 | 第71-72页 |
·基于一致性特征点的 LK 光流手势跟踪算法 | 第72-73页 |
·基于 On-line AdaBoost 算法和 LK 跟踪算法的手势跟踪 | 第73-74页 |
·改进后 On-line AdaBoost 算法弱分类器的更新 | 第74-75页 |
·改进后 On-line AdaBoost 算法的步骤 | 第75-76页 |
·实验结果与分析 | 第76-83页 |
·对于无遮挡的手势运动跟踪 | 第77-79页 |
·对于有遮挡的手势运动跟踪 | 第79-81页 |
·特征算子的比较 | 第81-82页 |
·当前主流跟踪算法对比 | 第82-83页 |
·本章小结 | 第83-84页 |
第6章 总结与展望 | 第84-86页 |
致谢 | 第86-88页 |
参考文献 | 第88-92页 |
攻读学位期间发表的学术论文与参加科研情况 | 第92-93页 |