基于特征融合与数据关联的视频多目标跟踪算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 本文主要研究内容与结构安排 | 第15-19页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 结构安排 | 第16-19页 |
| 第2章 视频多目标跟踪相关理论 | 第19-31页 |
| 2.1 视频多目标的特征 | 第19-24页 |
| 2.1.1 颜色特征 | 第20-22页 |
| 2.1.2 纹理特征 | 第22-24页 |
| 2.1.3 边缘特征 | 第24页 |
| 2.2 多目标跟踪方法分类 | 第24-26页 |
| 2.2.1 基于特征的跟踪 | 第25页 |
| 2.2.2 基于运动估计的跟踪 | 第25-26页 |
| 2.2.3 基于运动信息的跟踪 | 第26页 |
| 2.2.4 基于数据关联的跟踪 | 第26页 |
| 2.3 多目标跟踪的基本环节 | 第26-27页 |
| 2.4 数据关联的多目标跟踪 | 第27-30页 |
| 2.4.1 数据关联的过程 | 第28-29页 |
| 2.4.2 多目标跟踪中数据关联的经典方法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 视频目标的多特征融合算法 | 第31-45页 |
| 3.1 现有多特征融合算法分析 | 第31-35页 |
| 3.1.1 边缘特征和颜色特征融合 | 第31-33页 |
| 3.1.2 颜色特征、质心位置和运动速度融合 | 第33-34页 |
| 3.1.3 现有特征融合算法不足 | 第34-35页 |
| 3.2 基于背景差分法的多目标检测 | 第35-36页 |
| 3.3 目标特征提取与匹配 | 第36-42页 |
| 3.3.1 边缘特征提取与匹配 | 第36-39页 |
| 3.3.2 纹理特征提取与匹配 | 第39-41页 |
| 3.3.3 颜色特征提取与匹配 | 第41-42页 |
| 3.4 视频目标多特征融合算法的实现 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于数据关联视频多目标跟踪算法 | 第45-55页 |
| 4.1 多目标跟踪问题的数学描述 | 第45-46页 |
| 4.2 联合概率数据关联JPDA | 第46-50页 |
| 4.2.1 概率数据关联的基本原理 | 第46-47页 |
| 4.2.2 联合概率数据关联算法 | 第47-50页 |
| 4.3 IJPDA算法 | 第50-53页 |
| 4.3.1 JPDA算法存在的优缺点 | 第50页 |
| 4.3.2 IJPDA算法 | 第50-53页 |
| 4.3.3 IJPDA目标跟踪算法实现过程 | 第53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 视频多目标跟踪的实验结果与分析 | 第55-67页 |
| 5.1 实验软硬件环境 | 第55-56页 |
| 5.2. 正常光照视频多目标跟踪结果与分析 | 第56-61页 |
| 5.2.1 特征融合匹配度比较 | 第57-60页 |
| 5.2.2 IJPDA算法的实验结果及分析 | 第60-61页 |
| 5.3 光照暗的视频多目标跟踪结果与分析 | 第61-63页 |
| 5.3.1 特征融合匹配度比较 | 第62-63页 |
| 5.3.2 IJPDA算法的实验结果及分析 | 第63页 |
| 5.4 目标相似的视频多目标跟踪结果与分析 | 第63-64页 |
| 5.5 本章小结 | 第64-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-74页 |
