首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

车辆目标运动轨迹提取算法研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-15页
    1.1 课题研究背景及意义第9-10页
    1.2 国内外发展现状第10-13页
    1.3 本论文主要研究内容第13-15页
第二章 基于目标分割的跟踪算法第15-23页
    2.1 常见的运动目标检测算法第15-17页
        2.1.1 光流法目标检测第15-16页
        2.1.2 背景差分法目标检测第16页
        2.1.3 帧间差分法目标检测第16-17页
    2.2 改进的帧间差分法目标检测第17-19页
    2.3 目标匹配第19-21页
        2.3.1 相似性度量函数第20页
        2.3.2 搜索策略第20-21页
    2.4 算法测试与分析第21-23页
第三章 基于局部特征的跟踪算法第23-30页
    3.1 特征分析第23-24页
        3.1.1 纹理特征第23页
        3.1.2 对称型特征第23-24页
        3.1.3 形状特征第24页
    3.2 特征算法第24-29页
        3.2.1 SIFT 算法第24-26页
        3.2.2 SURF 算法第26-29页
    3.3 算法测试与分析第29-30页
第四章 基于特征角点的跟踪算法第30-45页
    4.1 特征角点提取算法第30-34页
        4.1.1 Moravec 角点检测算子第30-32页
        4.1.2 Sobel 角点检测算子第32-33页
        4.1.3 Harris 角点检测算子第33-34页
    4.2 改进的 Moravec 角点检测算子第34-35页
    4.3 特征角点筛选第35-38页
    4.4 匹配模板设计第38-42页
        4.4.1 基本的矩形匹配模版及搜索范围设计第38-39页
        4.4.2 动态的矩形匹配模版及搜索范围设计第39-40页
        4.4.3 基于不平滑区域的匹配模版及搜索范围设计第40-42页
    4.5 匹配模版更新第42-43页
    4.6 算法测试与分析第43-45页
第五章 基于 Kalman 滤波的跟踪算法第45-56页
    5.1 目标跟踪的滤波算法第45-52页
        5.1.1 Kalman 滤波第45-47页
        5.1.2 扩展 Kalman 滤波第47-50页
        5.1.3 粒子滤波第50-52页
    5.2 Kalman 滤波在跟踪算法中的应用第52-56页
总结第56-58页
参考文献第58-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于支持向量回归机的无标定视觉伺服研究
下一篇:面向战场态势分析的移动对象数据库关键技术研究与实现