首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

视频目标跟踪算法的鲁棒性研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第11-12页
缩略语对照表第12-16页
第一章 绪论第16-22页
    1.1 研究背景与意义第16-17页
    1.2 研究现状第17-19页
        1.2.1 目标跟踪算法研究的现状第17-18页
        1.2.2 目标跟踪领域面临的挑战第18-19页
    1.3 主要工作与结构第19-22页
        1.3.1 主要工作第19-20页
        1.3.2 结构安排第20-22页
第二章 目标跟踪系统与人类视觉系统概述第22-34页
    2.1 引言第22页
    2.2 视频目标跟踪系统概述第22-27页
        2.2.1 目标特征提取第22-25页
        2.2.2 模型描述方法第25-26页
        2.2.3 目标搜索策略第26-27页
    2.3 人类视觉系统概述第27-30页
        2.3.1 人类视觉系统的生理结构第27-28页
        2.3.2 视觉机制特性第28-30页
    2.4 基于人类视觉系统的目标建模与跟踪第30-32页
        2.4.1 图像特征和人类视觉系统的内在关系第30-31页
        2.4.2 基于局部不变特征的目标建模与跟踪第31-32页
    2.5 本章小结第32-34页
第三章 基于视觉暂留机制的目标跟踪算法第34-48页
    3.1 引言第34页
    3.2 基于SURF的目标匹配跟踪第34-40页
        3.2.1 特征点提取第35-38页
        3.2.2 特征点匹配第38-39页
        3.2.3 目标定位第39-40页
    3.3 基于TE-SURF的目标匹配跟踪第40-44页
        3.3.1 基于视觉暂留的TE-SURF第40-43页
        3.3.2 基于TE-SURF的匹配跟踪第43-44页
    3.4 实验结果与分析第44-47页
        3.4.1 基于TE-SURF的目标跟踪第44-46页
        3.4.2 遗忘因子对算法性能的影响第46-47页
    3.5 本章小结第47-48页
第四章 基于视觉显著机制的目标跟踪算法第48-64页
    4.1 引言第48页
    4.2 基于位置信息显著性的精确定位第48-52页
        4.2.1 基于显著性的SE-SURF特征第49-51页
        4.2.2 基于SE-SURF的精确定位跟踪第51-52页
    4.3 基于目标驱动显著性的快速搜索第52-56页
        4.3.1 改进的频率调谐显著性模型第52-55页
        4.3.2 基于FE-FT的快速搜索重定位第55-56页
    4.4 实验效果与分析第56-63页
        4.4.1 基于SE-SURF的目标跟踪第56-59页
        4.4.2 基于FE-FT的区域显著性增强第59-60页
        4.4.3 联合SE-SURF与FE-FT的跟踪第60-63页
    4.5 本章小结第63-64页
第五章 基于STE-SURF和FE-FT的长时间跟踪算法第64-74页
    5.1 引言第64页
    5.2 多策略协同的长时间跟踪第64-67页
        5.2.1 长时间跟踪的技术分析第64-65页
        5.2.2 基于STE-SURF的匹配定位跟踪第65页
        5.2.3 改进的长时间跟踪框架第65-67页
    5.3 实验结果与分析第67-72页
        5.3.1 基于STE-SURF的目标跟踪第67-69页
        5.3.2 联合STE-SURF与FE-FT的跟踪第69-72页
    5.4 本章小结第72-74页
第六章 总结与展望第74-78页
    6.1 本文总结第74-75页
    6.2 工作展望第75-78页
        6.2.1 潜在的问题与改进第75-76页
        6.2.2 未来的工作和展望第76-78页
参考文献第78-84页
致谢第84-86页
作者简介第86-88页

论文共88页,点击 下载论文
上一篇:基于自适应初始化和多特征集成的变分水平集
下一篇:基于Type_C接口的USB_PD协议的设计与实现