视频场景下运动目标跟踪方法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8页 |
| ·研究现状 | 第8-10页 |
| ·运动目标跟踪问题的难点 | 第10-11页 |
| ·跟踪性能的影响因素 | 第10页 |
| ·目标特征选取的难点 | 第10页 |
| ·运动目标跟踪准确性和实时性要求 | 第10-11页 |
| ·本文主要工作及内容安排 | 第11-13页 |
| 第二章 视频目标图像的处理 | 第13-22页 |
| ·目标图像的预处理 | 第13-18页 |
| ·图像增强 | 第13-15页 |
| ·图像去噪 | 第15-17页 |
| ·轮廓检测和图像分割 | 第17-18页 |
| ·常用的目标表征方法 | 第18-19页 |
| ·目标跟踪算法中的常用特征模型 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 基于视频目标的常用跟踪算法的研究 | 第22-41页 |
| ·基于运动目标检测的跟踪方法 | 第22-28页 |
| ·背景差分法 | 第22-24页 |
| ·帧间运动分析 | 第24-25页 |
| ·光流场法 | 第25-28页 |
| ·均值偏移(Mean Shift)跟踪算法 | 第28-32页 |
| ·Mean Shift理论的产生与发展 | 第28页 |
| ·Mean Shift算法 | 第28-32页 |
| ·卡尔曼预测方法 | 第32-34页 |
| ·粒子滤波跟踪算法 | 第34-39页 |
| ·粒子滤波原理 | 第34-37页 |
| ·粒子滤波算法步骤 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于模型融合的粒子自适应跟踪算法 | 第41-54页 |
| ·引言 | 第41页 |
| ·目标观测模型描述 | 第41-44页 |
| ·多特征模型自适应融合方法 | 第44-46页 |
| ·基于融合特征的自适应粒子滤波跟踪算法 | 第46-48页 |
| ·实验结果与分析 | 第48-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 附录A 图索引 | 第62页 |
| 附录B 表索引 | 第62-63页 |
| Appendix A Figure Index | 第63页 |
| Appendix B Table Index | 第63-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |
| 攻读硕士学位期间参加的科研项目 | 第65页 |
