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

多摄像头多目标跟踪技术研究

摘要第3-5页
ABSTRACT第5-7页
目录第8-11页
第1章 绪论第11-18页
    1.1 课题的研究背景及意义第11页
    1.2 多目标跟踪技术发展现状第11-12页
    1.3 目标跟踪方法分类第12-13页
        1.3.1 确定性跟踪方法第13页
        1.3.2 概率跟踪方法第13页
    1.4 论文的研究工作及创新第13-16页
        1.4.1 跟踪系统框架第13-15页
        1.4.2 研究内容与创新第15-16页
    1.5 论文结构安排第16-18页
第2章 目标检测第18-32页
    2.1 引言第18-19页
    2.2 混合高斯模型(GMM)第19-20页
    2.3 核密度估计(KDE)第20-21页
    2.4 基于时空域和运动特征的目标检测技术第21-29页
        2.4.1 算法流程第22-23页
        2.4.2 模块说明第23-29页
    2.5 试验结果与分析第29-31页
    2.6 本章小结第31-32页
第3章 贝叶斯状态估计与粒子滤波理论第32-41页
    3.1 引言第32页
    3.2 贝叶斯状态估计第32-34页
        3.2.1 离散系统的状态估计第33页
        3.2.2 递推贝叶斯滤波第33-34页
    3.3 粒子滤波第34-40页
        3.3.1 蒙特卡罗(Monte Carlo)方法第35-36页
        3.3.2 粒子滤波第36-37页
        3.3.3 序贯重要性采样第37页
        3.3.4 退化现象与重采样第37-39页
        3.3.5 标准粒子滤波算法第39-40页
    3.4 本章小结第40-41页
第4章 基于粒子滤波的目标跟踪算法第41-50页
    4.1 引言第41-42页
    4.2 目标状态转移模型第42-43页
    4.3 目标视觉特征建模第43-45页
    4.4 基于标准粒子滤波器的视觉跟踪算法第45-48页
        4.4.1 算法描述第45-46页
        4.4.2 算法实现第46-48页
    4.5 试验结果与分析第48-49页
    4.6 本章小结第49-50页
第5章 多目标跟踪第50-75页
    5.1 引言第50-51页
    5.2 MCMC 采样第51-55页
        5.2.1 MCMC 方法简介第51-52页
        5.2.2 MH 抽样方法第52-54页
        5.2.3 基于MCMC 采样的粒子滤波多目标跟踪算法第54-55页
    5.3 MRF 图模型第55-60页
        5.3.1 MRF 理论简介第56-58页
        5.3.2 用于视觉跟踪的MRF 交互模型第58-60页
    5.4 外观模型第60-68页
        5.4.1 外观模型模板第61-62页
        5.4.2 以外观模型为特征模板的粒子滤波目标跟踪算法第62-66页
        5.4.3 基于像素分类的目标层次划分法第66页
        5.4.4 遮挡处理第66-68页
    5.5 试验结果与分析第68-74页
        5.5.1 基于MRF 交互模型与MCMC 采样的粒子滤波器多目标跟踪算法的试验结果第68-70页
        5.5.2 采用颜色直方图与采用外观模型为模板粒子滤波跟踪算法的试验结果比较第70-74页
    5.6 本章小结第74-75页
第6章 多摄像头协同跟踪第75-86页
    6.1 引言第75页
    6.2 目标位置映射第75-81页
        6.2.1 单应矩阵与坐标映射第75-77页
        6.2.2 标定点的选择第77-81页
    6.3 目标一致性匹配第81-82页
    6.4 多摄像头协同分配算法第82-83页
    6.5 试验结果与分析第83-85页
    6.6 本章小结第85-86页
第7章 总结与展望第86-88页
    7.1 工作总结第86页
    7.2 研究展望第86-88页
参考文献第88-92页
致谢第92-94页
攻读硕士期间发表的学术论文第94-96页

论文共96页,点击 下载论文
上一篇:基于SVM的图像分类研究
下一篇:无线体域网生存期与节点运动模型研究