基于计算机视觉的车辆跟踪算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究背景和意义 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·技术难点 | 第14-15页 |
| ·研究内容和章节安排 | 第15-16页 |
| 第二章 运动车辆的分割 | 第16-25页 |
| ·常用的分割算法 | 第16-20页 |
| ·帧差法 | 第16-17页 |
| ·光流法 | 第17-18页 |
| ·动态背景建模法 | 第18-20页 |
| ·基于简化KDE的运动车辆分割算法 | 第20-23页 |
| ·简化的KDE背景模型 | 第20-21页 |
| ·背景模型的在线更新 | 第21页 |
| ·运动车辆的分割 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 单目标跟踪 | 第25-39页 |
| ·常用的目标跟踪算法 | 第25-34页 |
| ·Mean-Shift算法 | 第25-29页 |
| ·Kalman Filter算法 | 第29-32页 |
| ·Particle filter算法 | 第32-34页 |
| ·基于Kalman filter的车辆跟踪算法 | 第34-38页 |
| ·车辆特征描述 | 第34-37页 |
| ·算法实现 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 多目标跟踪 | 第39-51页 |
| ·常用的目标关联算法 | 第39-42页 |
| ·最近邻数据关联 | 第39-40页 |
| ·概率数据关联 | 第40-41页 |
| ·联合概率数据关联 | 第41-42页 |
| ·基于多特征融合的车辆关联算法 | 第42-47页 |
| ·特征提取 | 第43-44页 |
| ·特征匹配 | 第44-46页 |
| ·多目标的相互关联 | 第46-47页 |
| ·多车辆跟踪 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 实验与分析 | 第51-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文 | 第60-62页 |
| 致谢 | 第62页 |
