基于OpenCV的运动目标检测跟踪的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究工作的背景和意义 | 第10-11页 |
| 1.2 运动目标检测与跟踪的国内外研究历史和现状 | 第11-12页 |
| 1.3 本文的侧重点与创新点 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 图像处理基础 | 第14-29页 |
| 2.1 实验的平台和工具 | 第14-17页 |
| 2.1.1 计算机开源视觉库 | 第14-15页 |
| 2.1.2 实验平台的搭建流程 | 第15-16页 |
| 2.1.3 开源计算机视觉库的数据结构 | 第16-17页 |
| 2.2 图像处理技术 | 第17-25页 |
| 2.2.1 图像噪声处理方法 | 第18-23页 |
| 2.2.1.1 均值滤波法 | 第18-19页 |
| 2.2.1.2 中值滤波法 | 第19-23页 |
| 2.2.2 视频图像二值化 | 第23-25页 |
| 2.3 改进的OSTU算法 | 第25-26页 |
| 2.4 数学形态学滤波 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 运动目标检测 | 第29-41页 |
| 3.1 运动目标检测方法 | 第29-34页 |
| 3.1.1 帧间差分法 | 第29-31页 |
| 3.1.2 背景差分法 | 第31-33页 |
| 3.1.3 光流法 | 第33页 |
| 3.1.4 基于统计、学习的方法 | 第33-34页 |
| 3.2 本文的检测方法 | 第34-39页 |
| 3.2.1 目标检测的挑战 | 第34-35页 |
| 3.2.2 背景更新算法 | 第35-36页 |
| 3.2.3 本文的目标检测算法 | 第36-39页 |
| 3.3 实验及分析结果 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 运动目标的跟踪 | 第41-66页 |
| 4.1 目标跟踪算法 | 第41-44页 |
| 4.2 基于卡尔曼滤波的目标跟踪 | 第44-62页 |
| 4.2.1 运动目标的特征提取 | 第44-46页 |
| 4.2.2 卡尔曼滤波 | 第46-51页 |
| 4.2.2.1 卡尔曼滤波基本理论 | 第46-47页 |
| 4.2.2.2 卡尔曼滤波公式推导 | 第47-51页 |
| 4.2.3 卡尔曼滤波跟踪模型 | 第51页 |
| 4.2.4 基于卡尔曼滤波的估计模型 | 第51-53页 |
| 4.2.5 多运动目标的跟踪 | 第53页 |
| 4.2.6 基于卡尔曼滤波的预测模型 | 第53-55页 |
| 4.2.7 多尺度Harris角度匹配跟踪 | 第55-60页 |
| 4.2.7.1 提取角点 | 第55-56页 |
| 4.2.7.2 点匹配估计 | 第56-60页 |
| 4.2.8 运动目标的模型匹配 | 第60-62页 |
| 4.3 测试结果分析 | 第62-65页 |
| 4.3.1 实验系统的构成模块 | 第62页 |
| 4.3.2 实验过程 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 结论与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 进一步改进和展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
