智能视频监控中的目标跟踪技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-19页 |
| ·研究背景与意义 | 第11-12页 |
| ·智能视频监控中目标跟踪技术的研究现状 | 第12-16页 |
| ·单目标跟踪技术的研究现状 | 第12-14页 |
| ·多目标跟踪技术的研究现状 | 第14-16页 |
| ·论文的主要工作 | 第16-19页 |
| 2 基于视频的运动目标检测技术的研究及应用 | 第19-33页 |
| ·引言 | 第19-20页 |
| ·基于码本模型的目标检测技术 | 第20-23页 |
| ·码本背景模型描述 | 第20-21页 |
| ·基于码本模型的目标检测算法 | 第21-23页 |
| ·基于码本模型和多特征的烟雾检测测算法 | 第23-29页 |
| ·改进的烟雾区域颜色模型 | 第23-26页 |
| ·烟雾区域的形状模型 | 第26-27页 |
| ·烟雾区域的动态模型 | 第27-29页 |
| ·实验结果分析 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 3 基于静止单摄像机的单目标跟踪算法的研究 | 第33-63页 |
| ·引言 | 第33页 |
| ·基于MLE和L_2范数的在线目标跟踪算法 | 第33-50页 |
| ·稀疏编码原理 | 第34-35页 |
| ·带有稀疏性限制的MLE模型 | 第35-37页 |
| ·利用L_2范数最小化求解稀疏编码向量 | 第37-38页 |
| ·基于MLE和L_2范数的目标跟踪算法的实现 | 第38-43页 |
| ·实验结果分析 | 第43-50页 |
| ·基于特征分组的在线目标跟踪算法 | 第50-62页 |
| ·特征分组 | 第51页 |
| ·对目标模板进行特征分组 | 第51-52页 |
| ·在线学习投影矩阵 | 第52-55页 |
| ·实验结果分析 | 第55-62页 |
| ·本章小结 | 第62-63页 |
| 4 基于运动单摄像机的单目标跟踪算法的研究 | 第63-77页 |
| ·引言 | 第63页 |
| ·监控摄像机的全局运动估计 | 第63-67页 |
| ·特征点的选取 | 第63-64页 |
| ·平移分量的估计 | 第64-66页 |
| ·旋转分量的估计 | 第66-67页 |
| ·基于修正粒子滤波的目标跟踪算法 | 第67-72页 |
| ·粒子滤波算法的基本原理 | 第67-70页 |
| ·基于全局运动信息修正的状态转移方程 | 第70页 |
| ·基于分块颜色直方图的观测似然模型 | 第70-72页 |
| ·实验结果分析 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 5 基于单摄像机的多目标跟踪算法的研究 | 第77-87页 |
| ·引言 | 第77页 |
| ·基于图割理论的多目标跟踪算法 | 第77-84页 |
| ·目标和观测的数学表达 | 第79-80页 |
| ·基于图割理论的多目标跟踪算法 | 第80-81页 |
| ·网络图和能量方程的构造 | 第81-84页 |
| ·实验结果分析 | 第84-86页 |
| ·本章小结 | 第86-87页 |
| 6 基于多摄像机的多目标跟踪算法的研究 | 第87-106页 |
| ·引言 | 第87页 |
| ·单应性矩阵 | 第87-90页 |
| ·单层单应性矩阵 | 第88-89页 |
| ·多层单应性矩阵 | 第89-90页 |
| ·基于灭点信息的多目标定位跟踪 | 第90-97页 |
| ·垂直方向的灭点 | 第90-93页 |
| ·基于灭点信息的多目标多层定位 | 第93-94页 |
| ·基于图割理论的多目标跟踪 | 第94-95页 |
| ·实验结果分析 | 第95-97页 |
| ·基于标志物的多目标定位跟踪 | 第97-104页 |
| ·基于标志物的多目标多层定位 | 第97-98页 |
| ·基于最短路径法的多目标跟踪 | 第98-99页 |
| ·实验结果分析 | 第99-104页 |
| ·本章小结 | 第104-106页 |
| 7 总结与展望 | 第106-109页 |
| ·本文研究内容总结 | 第106-107页 |
| ·未来工作方向展望 | 第107-109页 |
| 创新点摘要 | 第109-110页 |
| 参考文献 | 第110-118页 |
| 攻读博士学位期间发表学术论文情况 | 第118-120页 |
| 致谢 | 第120-121页 |
| 作者简介 | 第121-122页 |
