基于数据关联的多目标跟踪关键技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景与意义 | 第10页 |
| 1.2 国内外研究历史与现状 | 第10-15页 |
| 1.2.1 单目标跟踪 | 第10-12页 |
| 1.2.2 多目标跟踪 | 第12-14页 |
| 1.2.3 多目标跟踪的难点 | 第14-15页 |
| 1.3 本文的主要工作与创新 | 第15-16页 |
| 1.4 本文的结构安排 | 第16-17页 |
| 第二章 基于数据关联的多目标跟踪研究 | 第17-39页 |
| 2.1 基于可变部件模型的多目标检测 | 第17-23页 |
| 2.1.1 目标检测概述 | 第17-18页 |
| 2.1.2 可变部件模型 | 第18-22页 |
| 2.1.3 非极大值抑制 | 第22-23页 |
| 2.2 数据关联算法 | 第23-31页 |
| 2.2.1 最近邻关联 | 第23-25页 |
| 2.2.2 联合概率数据关联 | 第25-27页 |
| 2.2.3 多假设跟踪 | 第27-28页 |
| 2.2.4 网络流算法 | 第28-31页 |
| 2.3 最小费用流算法 | 第31-38页 |
| 2.3.1 消圈算法 | 第32-33页 |
| 2.3.2 最短路径算法 | 第33-35页 |
| 2.3.3 原始-对偶算法 | 第35-37页 |
| 2.3.4 动态规划算法 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 多目标跟踪中的特征表达研究 | 第39-53页 |
| 3.1 位置特征 | 第39-40页 |
| 3.2 颜色特征 | 第40-42页 |
| 3.3 局部特征 | 第42-47页 |
| 3.3.1 SIFT特征的提取 | 第42-46页 |
| 3.3.2 SIFT特征相似度的计算 | 第46-47页 |
| 3.4 网络流模型中目标表征方法的改进 | 第47-52页 |
| 3.4.1 多目标跟踪性能的评价指标 | 第48-50页 |
| 3.4.2 实验结果 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 多目标跟踪中的遮挡处理 | 第53-66页 |
| 4.1 常规遮挡处理方法 | 第53-58页 |
| 4.1.1 基于子模板匹配的方法 | 第53页 |
| 4.1.2 基于粒子滤波的方法 | 第53-55页 |
| 4.1.3 基于扩展卡尔曼滤波的方法 | 第55-58页 |
| 4.2 遮挡的判定 | 第58-60页 |
| 4.3 改进的遮挡处理模型 | 第60-65页 |
| 4.3.1 EOM模型 | 第60-61页 |
| 4.3.2 EKF-EOM模型 | 第61-62页 |
| 4.3.3 实验结果 | 第62-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 本文多目标跟踪系统的实现 | 第66-74页 |
| 5.1 本文的多目标跟踪系统 | 第66-68页 |
| 5.2 仿真实验及结果分析 | 第68-73页 |
| 5.3 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74-75页 |
| 6.2 工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 个人简历 | 第81-82页 |
| 攻读硕士学位期间取得的成果 | 第82-83页 |
