运动图像目标跟踪算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·课题的研究背景和意义 | 第7-8页 |
| ·目标跟踪技术分析 | 第8-11页 |
| ·目标跟踪技术难点 | 第8-9页 |
| ·目标跟踪技术要点 | 第9页 |
| ·常见的目标跟踪算法 | 第9-11页 |
| ·人工神经网络及其研究现状 | 第11-14页 |
| ·人工神经元基本模型 | 第11-12页 |
| ·人工神经网络的特点 | 第12-13页 |
| ·人工神经网络的研究现状 | 第13-14页 |
| ·论文的主要内容与结构 | 第14-15页 |
| 第二章 人工神经网络模型 | 第15-27页 |
| ·神经网络模式识别 | 第15-20页 |
| ·BP神经网络 | 第15-16页 |
| ·BP神经网络的学习过程 | 第16-18页 |
| ·BP神经网络的构建 | 第18-19页 |
| ·BP神经网络的局限性 | 第19-20页 |
| ·仿生模式识别 | 第20-24页 |
| ·基本思想 | 第20-22页 |
| ·多权值神经网络 | 第22-23页 |
| ·多权值神经元构造算法 | 第23-24页 |
| ·神经网络的泛化能力分析 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于仿生模式识别的目标跟踪算法 | 第27-39页 |
| ·训练方法与识别方法 | 第27-29页 |
| ·超香肠神经网络 | 第27-28页 |
| ·距离度量方法 | 第28-29页 |
| ·距离度量准则 | 第29页 |
| ·目标跟踪算法流程 | 第29-32页 |
| ·提取样本特征 | 第29-30页 |
| ·建立网络模型 | 第30-31页 |
| ·目标跟踪与定位 | 第31页 |
| ·跟踪算法流程 | 第31-32页 |
| ·实验结果与分析 | 第32-38页 |
| ·距离度量方法的比较 | 第32-34页 |
| ·目标跟踪结果 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于集成神经网络的目标识别与跟踪算法 | 第39-53页 |
| ·DCT降维 | 第39-42页 |
| ·DCT降维原理 | 第39-40页 |
| ·DCT系数提取法 | 第40-42页 |
| ·集成神经网络模型 | 第42-44页 |
| ·基本思想 | 第42-43页 |
| ·集成神经网络构建 | 第43-44页 |
| ·基于集成神经网络的目标跟踪算法 | 第44-45页 |
| ·匹配度函数设计 | 第44-45页 |
| ·跟踪算法流程 | 第45页 |
| ·实验结果与分析 | 第45-51页 |
| ·目标识别实验 | 第46-49页 |
| ·目标跟踪实验 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 结论与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·未来的工作 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 作者在攻读硕士期间完成的工作 | 第61-62页 |
