基于视觉的运动目标跟踪系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 运动目标跟踪系统的关键技术 | 第11-13页 |
| 1.4 论文章节安排 | 第13-14页 |
| 第二章 图像预处理 | 第14-21页 |
| 2.1 引言 | 第14页 |
| 2.2 均值滤波 | 第14-15页 |
| 2.3 中值滤波 | 第15-16页 |
| 2.4 形态学滤波 | 第16-20页 |
| 2.4.1 腐蚀运算 | 第16-17页 |
| 2.4.2 膨胀运算 | 第17-18页 |
| 2.4.3 图像开运算 | 第18-19页 |
| 2.4.4 图像闭运算 | 第19-20页 |
| 2.5 连通性检测 | 第20页 |
| 2.6 小结 | 第20-21页 |
| 第三章 运动目标检测 | 第21-30页 |
| 3.1 引言 | 第21页 |
| 3.2 图像分割 | 第21-23页 |
| 3.2.1 直方图分割法 | 第21-22页 |
| 3.2.2 最大类间方差阈值分割法 | 第22-23页 |
| 3.3 目标检测 | 第23-29页 |
| 3.3.1 帧间差分法 | 第23-24页 |
| 3.3.2 背景差分法 | 第24-27页 |
| 3.3.3 光流法 | 第27-29页 |
| 3.4 形态学滤波 | 第29页 |
| 3.5 小结 | 第29-30页 |
| 第四章 运动目标跟踪 | 第30-47页 |
| 4.1 引言 | 第30页 |
| 4.2 Mean Shift 算法思想 | 第30-37页 |
| 4.2.1 非参数密度估计 | 第30-32页 |
| 4.2.2 非参数密度估计的收敛性 | 第32-33页 |
| 4.2.3 Mean Shift 跟踪方法 | 第33-37页 |
| 4.3 Kalman 滤波器 | 第37-41页 |
| 4.3.1 Kalman 滤波原理 | 第38-39页 |
| 4.3.2 基于 Kalman 滤波的运动估计 | 第39-40页 |
| 4.3.3 实验结果 | 第40-41页 |
| 4.4 改进的 Mean Shift 跟踪算法 | 第41-42页 |
| 4.4.1 算法跟踪步骤 | 第41-42页 |
| 4.4.2 实验结果 | 第42页 |
| 4.5 尺寸变化的运动目标跟踪 | 第42-44页 |
| 4.5.1 目标模型更新 | 第42-43页 |
| 4.5.2 目标窗口大小的确定 | 第43页 |
| 4.5.3 实验结果 | 第43-44页 |
| 4.6 多运动目标的跟踪 | 第44-46页 |
| 4.6.1 多目标跟踪的思路 | 第44页 |
| 4.6.2 基于团块的目标模型 | 第44-45页 |
| 4.6.3 多运动目标跟踪实验 | 第45-46页 |
| 4.7 小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 论文的主要工作 | 第47页 |
| 5.2 论文的创新点 | 第47页 |
| 5.3 进一步的研究工作 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 研究生期间发表的论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |
| 详细摘要 | 第54-57页 |
