视频多运动目标跟踪定位技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究的背景与意义 | 第9-10页 |
| ·目标跟踪算法研究与发展现状 | 第10-14页 |
| ·基于检测的跟踪方法 | 第10-12页 |
| ·基于识别的跟踪方法 | 第12-14页 |
| ·本文的主要内容 | 第14-15页 |
| 第2章 基于最小绝对差值函数的相关跟踪算法研究 | 第15-26页 |
| ·运动目标跟踪的原理 | 第15-16页 |
| ·目标跟踪特征的选取 | 第16-18页 |
| ·目标特征分类 | 第16-17页 |
| ·目标特征提取 | 第17-18页 |
| ·特征匹配算法 | 第18-19页 |
| ·相关跟踪原理及其仿真 | 第19-23页 |
| ·模板匹配算法的基本思想 | 第19-20页 |
| ·目标模板的描述 | 第20页 |
| ·相关值的计算 | 第20-21页 |
| ·目标的运动模型 | 第21页 |
| ·匹配量的搜索 | 第21-22页 |
| ·仿真实验结果与分析 | 第22-23页 |
| ·基于最小平均绝对差值函数的相关跟踪算法及仿真 | 第23-26页 |
| ·目标的先验知识 | 第23页 |
| ·匹配准则 | 第23页 |
| ·运动模型的选取 | 第23页 |
| ·匹配量的搜索 | 第23-24页 |
| ·跟踪实验结果与分析 | 第24-26页 |
| 第3章 基于模板更新的互相关跟踪算法研究 | 第26-32页 |
| ·模板匹配的局限性 | 第26页 |
| ·模板匹配的改进 | 第26-28页 |
| ·基于模板更新的互相关跟踪算法 | 第28-30页 |
| ·互相关匹配算法 | 第28-29页 |
| ·运动目标质心计算 | 第29-30页 |
| ·运动轨迹的拟合 | 第30页 |
| ·跟踪实验结果与分析 | 第30-32页 |
| 第4章 基于粒子滤波的相关跟踪算法研究 | 第32-47页 |
| ·粒子滤波与视觉跟踪 | 第32-39页 |
| ·粒子滤波器 | 第32-36页 |
| ·粒子滤波与视觉跟踪 | 第36-39页 |
| ·基于粒子滤波的相关跟踪算法 | 第39-43页 |
| ·相关跟踪的目的 | 第39-40页 |
| ·目标的先验知识 | 第40-41页 |
| ·系统状态转移 | 第41页 |
| ·系统观测 | 第41-42页 |
| ·后验概率计算 | 第42页 |
| ·粒子重采样 | 第42页 |
| ·算法流程 | 第42-43页 |
| ·跟踪实验结果及分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于卡尔曼滤波的目标跟踪算法研究 | 第47-62页 |
| ·基本估计问题 | 第47-50页 |
| ·问题的公式表示 | 第47-48页 |
| ·最小均方误差准则下的线形估计 | 第48-50页 |
| ·卡尔曼滤波及跟踪模型 | 第50-58页 |
| ·Kalman 滤波器 | 第51-54页 |
| ·卡尔曼滤波跟踪特征值的计算 | 第54-55页 |
| ·运动估计模型 | 第55-57页 |
| ·目标特征匹配 | 第57-58页 |
| ·模型更新 | 第58页 |
| ·算法仿真 | 第58-59页 |
| ·实验结果分析 | 第59-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 详细摘要 | 第72-81页 |
