视频跟踪算法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-19页 |
| ·研究背景与意义 | 第11页 |
| ·跟踪技术的应用领域及国内外研究现状 | 第11-13页 |
| ·在人机交互中的应用 | 第11-12页 |
| ·在语音识别领域中的应用 | 第12页 |
| ·在医疗卫生领域的应用 | 第12页 |
| ·在人工智能中的应用 | 第12页 |
| ·在视频监控领域的应用 | 第12-13页 |
| ·运动目标跟踪的分类 | 第13页 |
| ·粒子滤波简介 | 第13-17页 |
| ·课题研究的内容 | 第17页 |
| ·论文结构 | 第17-19页 |
| 2 智能视频监控系统 | 第19-22页 |
| ·视屏监控发展 | 第19-20页 |
| ·模拟闭路电视视频监控系统 | 第19页 |
| ·数模结合的视频监控系统 | 第19-20页 |
| ·数字视频监控系统 | 第20页 |
| ·数字化视频监控系统的不足 | 第20-21页 |
| ·智能视频监控系统 | 第21-22页 |
| 3 运动目标的检测方法 | 第22-29页 |
| ·静态背景差分法 | 第22-23页 |
| ·帧间差分法 | 第23-24页 |
| ·三帧差分法 | 第24-27页 |
| ·光流法 | 第27-28页 |
| ·总结 | 第28-29页 |
| 4 运动目标跟踪方法 | 第29-38页 |
| ·目标跟踪算法 | 第29-30页 |
| ·基于区域的跟踪算法 | 第29页 |
| ·基于模型的跟踪算法 | 第29-30页 |
| ·基于特征的跟踪算法 | 第30页 |
| ·简单的目标跟踪算法 | 第30-32页 |
| ·基于卡尔曼滤波器的多目标跟踪 | 第32-37页 |
| ·基于区域的跟踪算法 | 第32页 |
| ·运动目标检测 | 第32页 |
| ·运动模型的建立 | 第32-33页 |
| ·运动目标轨迹相关联 | 第33-34页 |
| ·更新状态向量 | 第34-37页 |
| ·总结 | 第37-38页 |
| 5 基本粒子滤波算法 | 第38-54页 |
| ·贝叶斯定理 | 第38页 |
| ·贝叶斯信号处理方式 | 第38-40页 |
| ·离散型EKF滤波算法 | 第40-41页 |
| ·Unscented卡尔曼滤波算法 | 第41-45页 |
| ·蒙特卡罗积分 | 第45-46页 |
| ·序贯蒙特卡罗信号处理 | 第46页 |
| ·蒙特卡罗积分SIS | 第46-48页 |
| ·重采样技术的引入 | 第48-49页 |
| ·粒子滤波 | 第49-53页 |
| ·标准粒子滤波算法 | 第50-52页 |
| ·标准粒子滤波的缺点 | 第52-53页 |
| ·总结 | 第53-54页 |
| 6 基于直方图的粒子滤波目标跟踪算法 | 第54-69页 |
| ·颜色直方图的分类 | 第54-55页 |
| ·二阶直方图 | 第55-56页 |
| ·加权颜色直方图 | 第56-57页 |
| ·基于直方图的粒子滤波目标跟踪算法 | 第57-60页 |
| ·粒子采样 | 第57-58页 |
| ·粒子的状态转移 | 第58页 |
| ·粒子更新过程 | 第58-59页 |
| ·确定真实的位置 | 第59-60页 |
| ·重采样 | 第60页 |
| ·基于加权颜色直方图的粒子滤波目标跟踪算法的实现 | 第60-68页 |
| ·总结 | 第68-69页 |
| 7 总结 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |
