| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 跟踪算法研究现状 | 第13-14页 |
| 1.2.2 目标重识别研究现状 | 第14-15页 |
| 1.3 多摄像机跟踪的关键问题 | 第15-16页 |
| 1.4 主要工作及章节安排 | 第16-19页 |
| 第2章 单摄像机的目标检测与跟踪算法 | 第19-35页 |
| 2.1 常用目标检测算法分析 | 第19-24页 |
| 2.1.1 帧间差分法 | 第19页 |
| 2.1.2 光流法 | 第19-21页 |
| 2.1.3 背景差分法 | 第21-22页 |
| 2.1.4 运动目标检测算法对比分析 | 第22-24页 |
| 2.2 基于ViBe算法的运动目标检测 | 第24-28页 |
| 2.2.1 背景模型初始化 | 第25-26页 |
| 2.2.2 背景模型更新策略 | 第26-27页 |
| 2.2.3 运动目标检测实验结果及分析 | 第27-28页 |
| 2.3 基于Kalman滤波的目标跟踪 | 第28-34页 |
| 2.3.1 目标跟踪算法概述 | 第29-30页 |
| 2.3.2 基于Kalman滤波的目标跟踪算法实现 | 第30-32页 |
| 2.3.3 遮挡问题的预测及处理 | 第32-33页 |
| 2.3.4 运动目标跟踪的结果及分析 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 场景时空拓扑结构的建立 | 第35-43页 |
| 3.1 场景的进出口学习 | 第35-38页 |
| 3.2 场景进出口一次性转移时间概率模型学习 | 第38-41页 |
| 3.3 本章总结 | 第41-43页 |
| 第4章 表观模型建立 | 第43-51页 |
| 4.1 色彩空间选择 | 第43-46页 |
| 4.1.1 色彩空间概述 | 第43-44页 |
| 4.1.2 LAB色彩空间 | 第44-46页 |
| 4.2 基于K-means聚类算法的色彩与空间特征表观模型 | 第46-49页 |
| 4.2.1 K-means聚类 | 第46-47页 |
| 4.2.2 基于全局色彩特征聚类的表观模型 | 第47-48页 |
| 4.2.3 基于局部色彩特征聚类的表观模型 | 第48-49页 |
| 4.3 本章小结 | 第49-51页 |
| 第5章 基于时空关系和表观模型的片段检索 | 第51-61页 |
| 5.1 基于时空拓扑关系的概率估计 | 第51-52页 |
| 5.2 基于表观模型的片段相似性估计 | 第52-56页 |
| 5.2.1 帧间表观相似性度量 | 第53页 |
| 5.2.2 基于帧的片段相似性估计 | 第53-54页 |
| 5.2.3 片段相似性估计实验结果与分析 | 第54-56页 |
| 5.3 基于表观特征与时空拓扑关系的单次转移概率估计 | 第56-57页 |
| 5.4 基于转移图的片段检索 | 第57-58页 |
| 5.5 实验结果与分析 | 第58-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第6章 总结展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61-62页 |
| 6.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70页 |
