基于单目视觉的运动目标跟踪定位技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略语和符号说明 | 第14-16页 |
| 第一章 绪论 | 第16-32页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 单目视觉目标跟踪定位技术研究现状 | 第17-25页 |
| 1.2.1 单目视觉目标跟踪技术研究现状 | 第17-21页 |
| 1.2.2 单目视觉目标空间定位技术研究现状 | 第21-25页 |
| 1.2.3 单目视觉跟踪和定位技术研究难点 | 第25页 |
| 1.3 论文研究工作的整体设计 | 第25-27页 |
| 1.4 论文的主要研究内容和安排 | 第27-29页 |
| 本章参考文献 | 第29-32页 |
| 第二章 基于计算机视觉的目标跟踪相关理论 | 第32-54页 |
| 2.1 引言 | 第32-33页 |
| 2.2 目标识别 | 第33-39页 |
| 2.2.1 特征检测 | 第33-34页 |
| 2.2.2 特征分类 | 第34-38页 |
| 2.2.3 特征匹配 | 第38页 |
| 2.2.4 特征标记 | 第38-39页 |
| 2.3 常用的目标跟踪算法 | 第39页 |
| 2.4 基于特征匹配的目标跟踪方法 | 第39-41页 |
| 2.4.1 核跟踪 | 第40页 |
| 2.4.2 贝叶斯跟踪 | 第40-41页 |
| 2.5 均值漂移算法 | 第41-45页 |
| 2.5.1 引言 | 第41-42页 |
| 2.5.2 均值漂移算法定义 | 第42页 |
| 2.5.3 视频目标跟踪中的均值漂移算法 | 第42-45页 |
| 2.6 粒子滤波算法 | 第45-51页 |
| 2.6.1 引言 | 第45页 |
| 2.6.2 粒子滤波模型 | 第45-51页 |
| 2.6.2.1 基于最优贝叶斯估计的跟踪问题 | 第45-46页 |
| 2.6.2.2 贝叶斯滤波的蒙特卡罗实现 | 第46-51页 |
| 2.7 本章小结 | 第51-52页 |
| 本章参考文献 | 第52-54页 |
| 第三章 目标图像分类与检索算法研究 | 第54-86页 |
| 3.1 引言 | 第54-55页 |
| 3.2 图像特征学习 | 第55-69页 |
| 3.2.1 特征提取 | 第55-57页 |
| 3.2.2 FISHER分类判别 | 第57-58页 |
| 3.2.3 上下文图像块特征 | 第58-65页 |
| 3.2.3.1 块像素向量映射 | 第58-60页 |
| 3.2.3.2 上下文路径组合 | 第60页 |
| 3.2.3.3 CLP特征参数迭代解算 | 第60-64页 |
| 3.2.3.4 改进的参数迭代解算算法 | 第64-65页 |
| 3.2.4 CLP特征学习方法 | 第65页 |
| 3.2.5 实验 | 第65-69页 |
| 3.3 图像特征降维 | 第69-75页 |
| 3.3.1 概述 | 第69-70页 |
| 3.3.2 特征降维模型 | 第70页 |
| 3.3.3 特征降维方法 | 第70-75页 |
| 3.3.3.1 主分量分析 | 第71-73页 |
| 3.3.3.2 非负矩阵分解 | 第73-74页 |
| 3.3.3.3 实验 | 第74-75页 |
| 3.4 图像排序 | 第75-78页 |
| 3.4.1 基于超图的排序方法的一般概念 | 第75-76页 |
| 3.4.2 为大规模训练集构建ANCHOR超图 | 第76-77页 |
| 3.4.3 邻接矩阵设计 | 第77-78页 |
| 3.4.4 相关参数的确定 | 第78页 |
| 3.5 NPG算法 | 第78-79页 |
| 3.6 实验 | 第79-81页 |
| 3.6.1 数据库设置 | 第79-80页 |
| 3.6.2 实验分析 | 第80-81页 |
| 3.7 本章小结 | 第81-83页 |
| 本章参考文献 | 第83-86页 |
| 第四章 目标图像相似性和相异性学习算法研究 | 第86-103页 |
| 4.1 引言 | 第86-87页 |
| 4.2 相似性和相异性学习 | 第87-88页 |
| 4.3 距离函数 | 第88-91页 |
| 4.4 ADABOOST算法 | 第91-93页 |
| 4.5 ADA-DISSIMILARITY算法 | 第93-95页 |
| 4.6 算法性能评估指标 | 第95-96页 |
| 4.7 实验 | 第96-99页 |
| 4.7.1 图像数据库 | 第96页 |
| 4.7.2 实验结果 | 第96-99页 |
| 4.8 本章小结 | 第99-100页 |
| 本章参考文献 | 第100-103页 |
| 第五章 基于小图像块的目标跟踪算法研究 | 第103-116页 |
| 5.1 引言 | 第103页 |
| 5.2 跟踪目标表达 | 第103-106页 |
| 5.2.1 纹理分析 | 第103-104页 |
| 5.2.2 基于小图像块的目标表述 | 第104-106页 |
| 5.3 基于小图像块和均值漂移的目标跟踪算法 | 第106-110页 |
| 5.3.1 初始化目标检测 | 第106-107页 |
| 5.3.2 目标跟踪 | 第107页 |
| 5.3.3 模板图像更新 | 第107页 |
| 5.3.4 实验 | 第107-110页 |
| 5.3.4.1 参数的选择 | 第107-109页 |
| 5.3.4.2 性能检验 | 第109-110页 |
| 5.4 基于小图像块和粒子滤波的目标跟踪算法 | 第110-114页 |
| 5.4.1 算法综述 | 第110-112页 |
| 5.4.2 实验 | 第112-114页 |
| 5.4.2.1 目标跟踪性能 | 第112-113页 |
| 5.4.2.2 计算时间 | 第113-114页 |
| 5.5 本章小结 | 第114-115页 |
| 本章参考文献 | 第115-116页 |
| 第六章 基于小图像块分类与检索的目标定位系统 | 第116-128页 |
| 6.1 引言 | 第116页 |
| 6.2 基于图像块分类与检索的目标跟踪定位系统 | 第116-122页 |
| 6.2.1 数据库设置 | 第116-119页 |
| 6.2.2 系统设计 | 第119-122页 |
| 6.3 实验 | 第122-125页 |
| 6.3.1 系统跟踪性能分析 | 第123-124页 |
| 6.3.2 系统定位性能分析 | 第124-125页 |
| 6.3.3 系统实时性分析 | 第125页 |
| 6.4 本章小结 | 第125-127页 |
| 本章参考文献 | 第127-128页 |
| 第七章 总结与展望 | 第128-131页 |
| 7.1 本文工作总结和创新点 | 第128-130页 |
| 7.2 研究展望 | 第130-131页 |
| 致谢 | 第131-132页 |
| 攻读博士学位期间已发表或完成的论文 | 第132-133页 |
| 攻读博士学位期间已公开的发明专利 | 第133-134页 |
| 附件 | 第134页 |
