基于时空模型的鲁棒目标跟踪算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 引言 | 第9页 |
| 1.2 国内外研究进展 | 第9-12页 |
| 1.2.1 研究背景与意义 | 第9-10页 |
| 1.2.2 国内外研究动态 | 第10-12页 |
| 1.3 目标跟踪系统以及难点 | 第12-14页 |
| 1.3.1 目标跟踪系统 | 第12-13页 |
| 1.3.2 目标跟踪难点 | 第13-14页 |
| 1.4 本文研究内容及其组织结构 | 第14-15页 |
| 1.4.1 本文研究重点 | 第14页 |
| 1.4.2 本文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 目标跟踪相关概念 | 第16-25页 |
| 2.1 表征目标的基本特征 | 第16-19页 |
| 2.1.1 颜色特征 | 第16-17页 |
| 2.1.2 边缘特征 | 第17-18页 |
| 2.1.3 纹理特征 | 第18-19页 |
| 2.1.4 视觉显著性特征 | 第19页 |
| 2.1.5 关键点特征 | 第19页 |
| 2.2 目标表示模型 | 第19-21页 |
| 2.2.1 模板 | 第20页 |
| 2.2.2 直方图匹配 | 第20-21页 |
| 2.2.3 核密度估计 | 第21页 |
| 2.3 相似度度量 | 第21-23页 |
| 2.3.1 度量直方图间的相似度 | 第21-22页 |
| 2.3.2 度量核密度估计相似度 | 第22-23页 |
| 2.4 基于面的目标跟踪算法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于时空特征构建目标表示模型 | 第25-31页 |
| 3.1 引言 | 第25页 |
| 3.2 目标的时间以及空间的联系 | 第25-26页 |
| 3.3 目标的时空域模型构建 | 第26-28页 |
| 3.3.1 目标空域关系 | 第26-27页 |
| 3.3.2 目标空域模型的构建 | 第27-28页 |
| 3.3.3 目标时空域模型的构建 | 第28页 |
| 3.4 基于时空域模型预测目标 | 第28-29页 |
| 3.5 形状参数与学习率对模型影响 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 基于时空域模型的鲁棒目标跟踪算法 | 第31-39页 |
| 4.1 引言 | 第31页 |
| 4.2 压缩感知跟踪理论 | 第31-33页 |
| 4.2.1 基于压缩感知的特征提取 | 第31-32页 |
| 4.2.2 贝叶斯分类器更新 | 第32页 |
| 4.2.3 目标跟踪实现 | 第32-33页 |
| 4.3 基于时空域模型的目标跟踪算法 | 第33-34页 |
| 4.3.1 基于目标时空域模型的置信图 | 第33-34页 |
| 4.3.2 置信图约束下的最优跟踪窗 | 第34页 |
| 4.4 算法流程 | 第34-35页 |
| 4.5 实验验证 | 第35-38页 |
| 4.5.1 对遮挡序列的实验 | 第35-37页 |
| 4.5.2 对无规律运动序列的实验 | 第37-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第五章 基于时空域模型的变尺度目标跟踪算法 | 第39-47页 |
| 5.1 引言 | 第39页 |
| 5.2 时空域模型构建与尺度相关性 | 第39-41页 |
| 5.2.1 模型构建中的尺度 | 第39-40页 |
| 5.2.2 时空域模型尺度问题 | 第40-41页 |
| 5.3 尺度自适应时空域模型 | 第41-43页 |
| 5.3.1 方向梯度特征直方图匹配 | 第41页 |
| 5.3.2 构建模板空间 | 第41-42页 |
| 5.3.3 目标尺度的判别 | 第42页 |
| 5.3.4 时空模型的尺度更新 | 第42-43页 |
| 5.4 实验结果及分析 | 第43-46页 |
| 5.4.1 目标尺度逐渐变小的实验 | 第43-44页 |
| 5.4.2 目标尺度无规律变化的实验 | 第44-45页 |
| 5.4.3 对目标尺度逐渐变大的实验 | 第45-46页 |
| 5.5 本章小结 | 第46-47页 |
| 主要结论与展望 | 第47-49页 |
| 主要结论 | 第47页 |
| 展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第53页 |
