无人机视频动态场景奔跑行人检测与跟踪技术研究
| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 无人机载检测跟踪系统介绍 | 第14-16页 |
| 1.2.1 国外无人机载检测跟踪系统 | 第15-16页 |
| 1.2.2 国内无人机载检测跟踪系统 | 第16页 |
| 1.3 动态背景奔跑行人检测与跟踪关键技术 | 第16-19页 |
| 1.3.1 动态背景运动区域提取 | 第17-18页 |
| 1.3.2 奔跑行人检测 | 第18页 |
| 1.3.3 单目标跟踪 | 第18-19页 |
| 1.3.4 多目标跟踪 | 第19页 |
| 1.4 论文主要工作和结构安排 | 第19-25页 |
| 1.4.1 论文的主要工作 | 第19-22页 |
| 1.4.2 论文结构安排 | 第22-25页 |
| 第二章 动态背景运动区域提取 | 第25-39页 |
| 2.1 引言 | 第25页 |
| 2.2 动态背景运动理论 | 第25-27页 |
| 2.2.1 动态背景的数学模型 | 第25页 |
| 2.2.2 航拍图像变换关系 | 第25-27页 |
| 2.3 基于ORB特征的动态背景配准 | 第27-34页 |
| 2.3.1 常见特征点提取算法 | 第27-28页 |
| 2.3.2 ORB算子 | 第28-29页 |
| 2.3.3 动态背景配准 | 第29页 |
| 2.3.4 特征点筛选及实验分析 | 第29-34页 |
| 2.4 运动区域提取 | 第34-38页 |
| 2.4.1 运动区域检测 | 第34-36页 |
| 2.4.2 最大稳定极值区域分割 | 第36-38页 |
| 2.4.3 运动区域提取结果 | 第38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于DCT运动特征的奔跑行人检测 | 第39-51页 |
| 3.1 引言 | 第39-40页 |
| 3.2 HOG特征提取 | 第40-41页 |
| 3.3 基于DCT的运动特征提取 | 第41-42页 |
| 3.4 基于SVM的奔跑行人检测 | 第42-44页 |
| 3.5 实验结果及分析 | 第44-50页 |
| 3.5.1 训练样本采集 | 第44-45页 |
| 3.5.2 特征提取 | 第45-46页 |
| 3.5.3 实验结果及分析 | 第46-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 基于自适应颜色特征学习的单目标跟踪 | 第51-71页 |
| 4.1 引言 | 第51页 |
| 4.2 基于颜色特征的跟踪器及改进算法 | 第51-58页 |
| 4.2.1 CSK跟踪器 | 第51-54页 |
| 4.2.2 CN跟踪器 | 第54-55页 |
| 4.2.3 基于自适应颜色特征学习的目标跟踪算法 | 第55-58页 |
| 4.3 实验结果及分析 | 第58-70页 |
| 4.3.1 本文方法跟踪效果 | 第58-64页 |
| 4.3.2 算法改进前后目标跟踪性能对比 | 第64-68页 |
| 4.3.3 结果分析 | 第68-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第五章 基于联合概率数据关联的多目标跟踪 | 第71-83页 |
| 5.1 引言 | 第71页 |
| 5.2 传统JPDA算法 | 第71-73页 |
| 5.3 自适应求解的JPDA算法 | 第73-75页 |
| 5.3.1 线性规划 | 第73-74页 |
| 5.3.2 自适应求解最优联合事件 | 第74-75页 |
| 5.4 实验结果及分析 | 第75-82页 |
| 5.4.1 本文方法跟踪效果 | 第75-80页 |
| 5.4.2 与其他跟踪方法性能对比 | 第80-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 论文的主要工作和创新点 | 第83-84页 |
| 6.2 下步工作展望 | 第84-85页 |
| 致谢 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 作者在学期间取得的学术成果 | 第93-94页 |
| 附录 | 第94页 |
