视频监控系统中目标跟踪算法研究及应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 目标跟踪算法概述 | 第14-15页 |
| 1.3 研究现状及趋势 | 第15-19页 |
| 1.3.1 视觉表示 | 第16-17页 |
| 1.3.2 跟踪方法 | 第17-19页 |
| 1.4 主要工作 | 第19-20页 |
| 1.5 章节安排 | 第20-22页 |
| 2 基于显著性的运动目标跟踪算法 | 第22-35页 |
| 2.1 前言 | 第22-23页 |
| 2.2 STC跟踪算法 | 第23-24页 |
| 2.3 算法改进 | 第24-31页 |
| 2.3.1 显著性检测算法 | 第25-29页 |
| 2.3.2 上下文显著模型 | 第29-30页 |
| 2.3.3 算法流程 | 第30-31页 |
| 2.4 实验 | 第31-34页 |
| 2.4.1 定量评价 | 第31-32页 |
| 2.4.2 定性评价 | 第32-34页 |
| 2.5 结论 | 第34-35页 |
| 3 基于哈希的多特征多尺度跟踪算法 | 第35-48页 |
| 3.1 前言 | 第35-36页 |
| 3.2 特征提取 | 第36-38页 |
| 3.3 加权多示例学习算法 | 第38-43页 |
| 3.3.1 贝叶斯分类器 | 第38-39页 |
| 3.3.2 在线加权多示例学习 | 第39-41页 |
| 3.3.3 目标尺度估计 | 第41-43页 |
| 3.4 实验结果 | 第43-46页 |
| 3.4.1 参数设置 | 第43页 |
| 3.4.2 定量与定性评价 | 第43-46页 |
| 3.5 结论 | 第46-48页 |
| 4 基于轨迹分析的徘徊检测算法 | 第48-55页 |
| 4.1 前言 | 第48-49页 |
| 4.2 目标轨迹提取 | 第49-50页 |
| 4.3 徘徊检测 | 第50-52页 |
| 4.3.1 轨迹分析 | 第50-52页 |
| 4.3.2 徘徊检测 | 第52页 |
| 4.4 实验结果 | 第52-54页 |
| 4.4.1 行人轨迹提取 | 第52-53页 |
| 4.4.2 徘徊检测 | 第53-54页 |
| 4.5 结论 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 研究工作总结 | 第55页 |
| 5.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 作者简介 | 第63页 |
