基于运动特征的目标检测识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景以及意义 | 第9页 |
| 1.2 目标检测识别技术研究现状 | 第9-12页 |
| 1.2.1 交通公路场景的目标检测识别研究现状 | 第10-11页 |
| 1.2.2 公交车客流人数统计研究现状 | 第11-12页 |
| 1.3 研究难点 | 第12-13页 |
| 1.4 本论文主要研究内容 | 第13-15页 |
| 第二章 单目视觉场景下的目标运动特征检测 | 第15-24页 |
| 2.1 应用场景简介 | 第15页 |
| 2.2 常见的运动目标检测跟踪算法 | 第15-16页 |
| 2.2.1 常见的车辆检测方法 | 第15页 |
| 2.2.2 常见的车辆跟踪方法 | 第15-16页 |
| 2.3 运动目标的检测跟踪算法设计 | 第16-23页 |
| 2.3.1 运动区域检测 | 第16-17页 |
| 2.3.2 运动区域特征点提取 | 第17-20页 |
| 2.3.3 特征点模版设计 | 第20-22页 |
| 2.3.4 模版匹配 | 第22-23页 |
| 2.4 本章总结 | 第23-24页 |
| 第三章 基于运动车辆轨迹场的目标运动识别 | 第24-32页 |
| 3.1 运动车辆轨迹场简介 | 第24-25页 |
| 3.2 车辆运动轨迹场生成与更新 | 第25-29页 |
| 3.2.1 运动目标的轨迹保存 | 第25-26页 |
| 3.2.2 车辆轨迹场的初始化 | 第26-28页 |
| 3.2.3 车辆轨迹场的更新 | 第28-29页 |
| 3.3 运动目标的行为分析与识别 | 第29-31页 |
| 3.4 本章总结 | 第31-32页 |
| 第四章 双目视觉场景下的目标运动特征检测 | 第32-46页 |
| 4.1 应用场景简介 | 第32-33页 |
| 4.2 双目相机原理 | 第33-37页 |
| 4.2.1 立体视觉成像原理 | 第33-34页 |
| 4.2.2 双目相机图像标定 | 第34页 |
| 4.2.3 双目相机图像矫正 | 第34-35页 |
| 4.2.4 深度图生成 | 第35-37页 |
| 4.3 利用深度图构建三维信息 | 第37-38页 |
| 4.4 运动目标的检测跟踪算法设计 | 第38-45页 |
| 4.4.1 运动目标快速锁定 | 第38-43页 |
| 4.4.2 运动目标跟踪 | 第43-45页 |
| 4.5 本章总结 | 第45-46页 |
| 第五章 基于运动特征三维信息的目标识别 | 第46-62页 |
| 5.1 跟踪轨迹三维信息获取 | 第46-54页 |
| 5.1.1 摄像机三维标定的基本原理介绍 | 第47页 |
| 5.1.2 摄像机标定常用坐标系 | 第47页 |
| 5.1.3 摄像机成像模型 | 第47-50页 |
| 5.1.4 摄像机的三维标定 | 第50-51页 |
| 5.1.5 图像坐标点与世界坐标系之间的相互转换 | 第51-52页 |
| 5.1.6 三维世界坐标系的建立 | 第52-54页 |
| 5.2 朴素贝叶斯分类 | 第54-61页 |
| 5.2.1 朴素贝叶斯分类器简介 | 第54-55页 |
| 5.2.2 常态轨迹与干扰轨迹比较分析 | 第55-58页 |
| 5.2.3 三维运动轨迹的运动特征提取 | 第58-59页 |
| 5.2.4 朴素贝叶斯样本训练 | 第59-60页 |
| 5.2.5 朴素贝叶斯分类样本验证 | 第60-61页 |
| 5.3 本章总结 | 第61-62页 |
| 总结与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
