基于多特征的运动目标检测与识别
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题背景及研究意义 | 第8-9页 |
| ·检测与识别中多特征的运用现状 | 第9页 |
| ·运动目标检测与识别的国内外研究现状 | 第9-12页 |
| ·运动目标检测技术概述 | 第10页 |
| ·目标识别技术概述 | 第10-12页 |
| ·运动目标检测与识别技术难点 | 第12页 |
| ·论文主要工作内容与组织结构 | 第12-14页 |
| 第二章 基于颜色和纹理特征的运动目标检测 | 第14-25页 |
| ·背景建模 | 第14-16页 |
| ·颜色特征 | 第14-15页 |
| ·纹理特征 | 第15-16页 |
| ·背景模型表示及更新 | 第16-17页 |
| ·运动目标检测 | 第17-19页 |
| ·算法实现步骤 | 第19-20页 |
| ·实验与分析 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于形状匹配的目标识别算法 | 第25-34页 |
| ·形状特征提取 | 第25-27页 |
| ·内距离形状上下文 | 第25-26页 |
| ·高度函数 | 第26-27页 |
| ·形状相似性度量及特征融合 | 第27-28页 |
| ·流形结构学习 | 第28-29页 |
| ·算法流程和步骤 | 第29-30页 |
| ·实验结果及分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于词包和特征融合的目标识别算法 | 第34-44页 |
| ·特征提取 | 第34-36页 |
| ·Dense sift特征 | 第34-35页 |
| ·LBP特征 | 第35-36页 |
| ·特征融合 | 第36页 |
| ·视觉词典 | 第36-37页 |
| ·k-means聚类算法原理 | 第36页 |
| ·视觉词典生成 | 第36-37页 |
| ·特征编码和特征汇聚 | 第37-38页 |
| ·空间金字塔匹配 | 第38-39页 |
| ·实验结果及分析 | 第39-43页 |
| ·实验数据库介绍 | 第39页 |
| ·实验结果与分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于多特征的车辆检测与识别算法 | 第44-48页 |
| ·算法实现 | 第44页 |
| ·仿真实验及分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 主要结论与展望 | 第48-50页 |
| ·主要结论 | 第48-49页 |
| ·展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录：攻读硕士学位期间发表学术论文情况 | 第55页 |
