视频目标检测与跟踪算法及其在煤矿中应用的研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| Extended Abstract | 第9-15页 |
| 图清单 | 第15-19页 |
| 表清单 | 第19-20页 |
| 1 绪论 | 第20-30页 |
| ·研究背景及意义 | 第20-21页 |
| ·研究发展和现状 | 第21-23页 |
| ·研究方法综述 | 第23-28页 |
| ·论文研究内容 | 第28-29页 |
| ·论文组织结构 | 第29-30页 |
| 2 目标局部特征提取 | 第30-63页 |
| ·特征检测 | 第31-36页 |
| ·图像去噪 | 第36-42页 |
| ·特征搜索及精确匹配 | 第42-48页 |
| ·复杂环境快速匹配 | 第48-62页 |
| ·本章小结 | 第62-63页 |
| 3 煤矿复杂环境视频拼接 | 第63-81页 |
| ·匹配预处理 | 第63-65页 |
| ·相位相关粗匹配 | 第65-68页 |
| ·自动排序 | 第68-69页 |
| ·拼接 | 第69-73页 |
| ·无缝拼接 | 第73-77页 |
| ·实验分析 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 4 基于轮廓模型的目标检测 | 第81-110页 |
| ·Snake 参数活动轮廓模型 | 第82-86页 |
| ·基于变分水平集的目标检测 | 第86-97页 |
| ·融合多种群粒子群算法的Snake 模型 | 第97-109页 |
| ·本章小结 | 第109-110页 |
| 5 基于Camshift 复杂环境目标跟踪 | 第110-135页 |
| ·Meanshift 算法 | 第110-117页 |
| ·Camshift 跟踪算法 | 第117-118页 |
| ·纹理模型 | 第118-121页 |
| ·多特征模板建立及更新 | 第121-129页 |
| ·抗遮挡模型 | 第129-133页 |
| ·本章小结 | 第133-135页 |
| 6 结论 | 第135-137页 |
| ·本文研究成果 | 第135-136页 |
| ·今后的工作 | 第136-137页 |
| 参考文献 | 第137-148页 |
| 作者简历 | 第148-151页 |
| 学位论文数据集 | 第151页 |
