视频监控中遮挡条件下多运动目标跟踪技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 研究目标和意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第2章 相关技术简介 | 第17-33页 |
| 2.1 视频预处理 | 第17-25页 |
| 2.1.1 图像去模糊 | 第17-18页 |
| 2.1.2 视频稳像 | 第18-20页 |
| 2.1.3 图像预处理 | 第20-25页 |
| 2.2 运动目标检测 | 第25-28页 |
| 2.2.1 光流法 | 第25-26页 |
| 2.2.2 相邻帧差法 | 第26-27页 |
| 2.2.3 背景差法 | 第27页 |
| 2.2.4 边缘检测方法 | 第27-28页 |
| 2.3 运动目标跟踪 | 第28-32页 |
| 2.3.1 基本的目标跟踪方法 | 第28-30页 |
| 2.3.2 多目标跟踪方法 | 第30-31页 |
| 2.3.3 研究现状分析 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 单目标跟踪算法 | 第33-49页 |
| 3.1 Mean-shift目标跟踪算法 | 第34-37页 |
| 3.1.1 目标图像的建模 | 第34-35页 |
| 3.1.2 相似性度量 | 第35页 |
| 3.1.3 Mean-shift目标跟踪算法 | 第35-37页 |
| 3.2 Harris角点检测方法 | 第37-40页 |
| 3.3 Kalman滤波 | 第40页 |
| 3.4 基于在线多示例学习的跟踪算法 | 第40-42页 |
| 3.5 改进算法 | 第42-47页 |
| 3.5.1 改进的Mean-shift算法 | 第43-45页 |
| 3.5.2 基于Kalman的跟踪算法 | 第45-47页 |
| 3.5.3 基于角点的跟踪算法 | 第47页 |
| 3.6 本章小结 | 第47-49页 |
| 第4章 多目标跟踪算法 | 第49-61页 |
| 4.1 多运动目标检测 | 第50-52页 |
| 4.1.1 HOG特征 | 第50-51页 |
| 4.1.2 基于分类器的行人检测 | 第51-52页 |
| 4.1.3 稀疏检测 | 第52页 |
| 4.2 多运动目标跟踪 | 第52-59页 |
| 4.2.1 基于Kalman滤波器的状态估计 | 第52-53页 |
| 4.2.2 运动目标模型的建立 | 第53页 |
| 4.2.3 目标状态分类 | 第53-55页 |
| 4.2.4 遮挡检测 | 第55-58页 |
| 4.2.5 遮挡处理 | 第58-59页 |
| 4.3 本章小结 | 第59-61页 |
| 第5章 实验设计及结果分析 | 第61-73页 |
| 5.1 实验环境 | 第61-62页 |
| 5.1.1 开发使用的软硬件环境 | 第61页 |
| 5.1.2 实验平台搭建 | 第61-62页 |
| 5.2 算法可行性分析 | 第62-69页 |
| 5.2.1 改进算法 | 第63-67页 |
| 5.2.2 计算场景遮挡物遮挡边界算法 | 第67-68页 |
| 5.2.3 多目标跟踪 | 第68-69页 |
| 5.3 算法性能评估 | 第69-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第6章 结论与展望 | 第73-75页 |
| 6.1 全文总结 | 第73页 |
| 6.2 未来工作与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 科研项目和论文发表情况 | 第81页 |
