基于车载视频的运动目标检测与跟踪算法的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景 | 第11页 |
| ·智能交通系统(ITS) | 第11-13页 |
| ·ITS概念 | 第11-12页 |
| ·车辆辅助驾驶系统(DAS) | 第12-13页 |
| ·DAS的研究现状及发展前景 | 第13-15页 |
| ·国外研究状况 | 第13-14页 |
| ·国内研究现状 | 第14-15页 |
| ·DAS的发展前景 | 第15页 |
| ·本文主要工作 | 第15-17页 |
| ·本文研究内容 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第2章 运动目标检测与跟踪技术 | 第17-41页 |
| ·运动目标检测技术 | 第17-23页 |
| ·运动目标检测的理论基础 | 第17-22页 |
| ·运动目标检测算法概述 | 第22-23页 |
| ·运动目标跟踪技术 | 第23-38页 |
| ·运动目标的有效表达 | 第24页 |
| ·相似性度量算法 | 第24页 |
| ·搜索算法 | 第24-25页 |
| ·目标跟踪分类 | 第25-26页 |
| ·粒子滤波理论 | 第26-38页 |
| ·本章小结 | 第38-41页 |
| 第3章 基于车载视频的运动目标检测算法研究 | 第41-53页 |
| ·预处理 | 第42页 |
| ·基于分层的自运动补偿 | 第42-46页 |
| ·特征检测与匹配 | 第43页 |
| ·自运动估计 | 第43-45页 |
| ·自运动补偿 | 第45-46页 |
| ·图像差分 | 第46页 |
| ·基于差分网格的运动区域分割 | 第46-48页 |
| ·形态学处理 | 第47页 |
| ·建立kd-tree | 第47-48页 |
| ·聚类 | 第48页 |
| ·基于相机成像原理的运动目标验证 | 第48-50页 |
| ·有效域与消失域的划分 | 第49页 |
| ·利用位置和大小信息的验证 | 第49-50页 |
| ·本章小结 | 第50-53页 |
| 第4章 基于车载视频的运动目标跟踪算法研究 | 第53-63页 |
| ·概述 | 第53-54页 |
| ·基于差分图像的粒子滤波跟踪算法 | 第54-60页 |
| ·粒子状态的描述 | 第54页 |
| ·先验知识的获取 | 第54-55页 |
| ·状态转移模型建立 | 第55-56页 |
| ·观测更新模型建立 | 第56页 |
| ·后验概率计算 | 第56-58页 |
| ·重采样 | 第58-60页 |
| ·多目标跟踪设计 | 第60页 |
| ·本章小结 | 第60-63页 |
| 第5章 基于车载视频的运动目标检测与跟踪系统试验 | 第63-67页 |
| ·系统设计与实现 | 第63页 |
| ·系统运行环境 | 第63-64页 |
| ·软件环境 | 第63-64页 |
| ·硬件环境 | 第64页 |
| ·系统评估方法 | 第64-65页 |
| ·评估数据 | 第64页 |
| ·评估方法 | 第64-65页 |
| ·评估结果与分析 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| ·本文的主要工作 | 第67页 |
| ·进一步的工作 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |
