基于视觉注意的运动目标跟踪系统
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1 绪论 | 第9-12页 |
| ·课题研究的背景及意义 | 第9页 |
| ·本课题的国内外的发展现状和研究趋势 | 第9-10页 |
| ·本文中的内容和创新点 | 第10-11页 |
| ·本文的章节安排 | 第11-12页 |
| 2 视觉注意力机制概述 | 第12-18页 |
| ·引言 | 第12页 |
| ·视觉注意力机制 | 第12页 |
| ·视觉注意力机制模型 | 第12-14页 |
| ·注意力机制模型 | 第13页 |
| ·视觉显著性 | 第13页 |
| ·显著性计算方法 | 第13-14页 |
| ·视觉中的尺度问题 | 第14-17页 |
| ·传统多尺度表示方法 | 第14-15页 |
| ·尺度空间表示 | 第15-17页 |
| ·小结 | 第17-18页 |
| 3 基于注意机制的运动目标检测 | 第18-35页 |
| ·引言 | 第18页 |
| ·基于注意机制静态特征的显著区域提取 | 第18-21页 |
| ·主特征提取 | 第18-19页 |
| ·多尺度特征合并 | 第19-21页 |
| ·基于注意机制动态特征的运动目标检测 | 第21-33页 |
| ·帧间差分法 | 第21-22页 |
| ·减背景法 | 第22页 |
| ·基于背景统计的背景建模 | 第22-26页 |
| ·背景更新 | 第26-29页 |
| ·前景检测及后续处理 | 第29-32页 |
| ·双重区域合并分裂法 | 第32-33页 |
| ·小结 | 第33-35页 |
| 4 基于注意机制的单目标跟踪 | 第35-51页 |
| ·引言 | 第35页 |
| ·基于任务驱动目标跟踪的预处理 | 第35-38页 |
| ·多目标特征提取 | 第35-37页 |
| ·多目标特征匹配 | 第37-38页 |
| ·基于任务驱动的运动目标跟踪 | 第38-43页 |
| ·基于匹配跟踪算法 | 第38-39页 |
| ·基于均值偏移跟踪算法 | 第39-40页 |
| ·基于卡尔曼滤波跟踪算法 | 第40-43页 |
| ·任务驱动下基于粒子滤波的目标跟踪 | 第43-49页 |
| ·粒子滤波理论 | 第43页 |
| ·目标模型描述 | 第43-44页 |
| ·序列化重要性采样 | 第44-45页 |
| ·多相似度条件密度跟踪算法 | 第45-49页 |
| ·小结 | 第49-51页 |
| 5 基于注意机制的多目标运动的跟踪转移 | 第51-60页 |
| ·引言 | 第51页 |
| ·多目标跟踪 | 第51-52页 |
| ·本文中的注意力模型 | 第52-53页 |
| ·显著焦点检测 | 第53-55页 |
| ·静态特征显著焦点 | 第53-54页 |
| ·动态特征显著焦点 | 第54-55页 |
| ·注意力机制跟踪模型 | 第55页 |
| ·基于显著焦点的跟踪转移机制 | 第55-59页 |
| ·显著焦点转移 | 第55-56页 |
| ·焦点转移算法 | 第56-59页 |
| ·小结 | 第59-60页 |
| 6 总结和展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-68页 |
| 详细摘要 | 第68-70页 |
