智能视频监控中的人体目标跟踪研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·人体目标跟踪的研究背景和意义 | 第9-10页 |
| ·人体目标跟踪的发展现状 | 第10-13页 |
| ·人体目标跟踪的难点 | 第13-14页 |
| ·背景的复杂性 | 第13页 |
| ·人体目标的非刚性 | 第13-14页 |
| ·人体目标之间的互遮挡以及目标与背景之间的遮挡 | 第14页 |
| ·本文的主要工作以及内容安排 | 第14-15页 |
| ·本文的主要工作及创新点 | 第14-15页 |
| ·本文的内容安排 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第二章 贝叶斯状态估计以及粒子滤波理论 | 第16-27页 |
| ·引言 | 第16页 |
| ·贝叶斯状态估计 | 第16-17页 |
| ·基于卡尔曼滤波的目标跟踪 | 第17-19页 |
| ·标准卡尔曼滤波算法的流程 | 第18-19页 |
| ·对标准卡尔曼滤波算法的改进 | 第19页 |
| ·粒子滤波 | 第19-26页 |
| ·蒙特卡洛随机模拟方法 | 第20-21页 |
| ·序贯重要性采样 | 第21-22页 |
| ·粒子退化及重采样 | 第22-24页 |
| ·粒子滤波算法的框架以及基本步骤 | 第24-26页 |
| ·粒子滤波算法的优缺点 | 第26页 |
| ·本章小节 | 第26-27页 |
| 第三章 基于粒子滤波的人体目标跟踪理论框架 | 第27-43页 |
| ·引言 | 第27页 |
| ·基于粒子滤波的人体目标跟踪理论框架 | 第27-29页 |
| ·人体目标的状态转移模型 | 第29-30页 |
| ·人体目标的视觉特征及对应的统计描述模型 | 第30-36页 |
| ·核密度估计 | 第30-33页 |
| ·基于核密度估计的颜色概率直方图 | 第33-34页 |
| ·梯度方向直方图 | 第34-36页 |
| ·人体目标观测概率分布的计算 | 第36-37页 |
| ·基于粒子滤波分块人体目标跟踪算法及实验对比分析 | 第37-42页 |
| ·人体目标的分块描述 | 第37-38页 |
| ·基于粒子滤波的分块人体目标跟踪算法 | 第38-40页 |
| ·实验结果分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于多特征融合的人体目标跟踪 | 第43-55页 |
| ·引言 | 第43-44页 |
| ·基于粒子滤波的多特征自适应融合跟踪 | 第44-46页 |
| ·单一特征的人体目标跟踪 | 第44-45页 |
| ·多特征自适应融合的人体目标跟踪 | 第45-46页 |
| ·本文的自适应多特征融合跟踪 | 第46-54页 |
| ·本文多特征融合的原理及过程 | 第46-49页 |
| ·本文多特征融合算法的流程 | 第49-50页 |
| ·本文基于粒子滤波的多特征融合算法的实验结果分析 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-58页 |
| ·本文的研究工作以及主要创新点 | 第55-56页 |
| ·对于未来工作的展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-66页 |
| 攻硕期间的研究成果 | 第66-67页 |
