视频监控中运动目标检测与跟踪算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究背景及研究意义 | 第10-11页 |
| ·研究内容及主要的工作 | 第11-12页 |
| ·智能视频监控国内外研究现状 | 第12-13页 |
| ·运动目标检测与跟踪概述 | 第13-17页 |
| ·运动目标检测 | 第13-15页 |
| ·目标跟踪 | 第15-17页 |
| ·论文的结构安排 | 第17-19页 |
| 第二章 相关理论基础知识 | 第19-31页 |
| ·背景建模方法 | 第19-23页 |
| ·序列均值法 | 第19-20页 |
| ·混合高斯模型 | 第20-21页 |
| ·ViBe 算法 | 第21-23页 |
| ·粒子滤波理论 | 第23-28页 |
| ·贝叶斯估计状态估计 | 第23-24页 |
| ·序贯重要性估计 | 第24-26页 |
| ·粒子集的退化和重采样 | 第26-27页 |
| ·粒子滤波算法描述 | 第27-28页 |
| ·粒子滤波中多特征自适应融合框架 | 第28-31页 |
| 第三章 运动目标检测算法 | 第31-45页 |
| ·引言 | 第31页 |
| ·自适应 ViBe 方法 | 第31-33页 |
| ·实验和结果分析 | 第33-39页 |
| ·运动检测算法效果对比 | 第33-39页 |
| ·运动检测算法的实时性对比 | 第39页 |
| ·后处理阶段 | 第39-41页 |
| ·形态学滤波 | 第39-40页 |
| ·运动目标提取 | 第40-41页 |
| ·自适应 ViBe 算法的应用 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于自适应特征融合的粒子滤波跟踪算法 | 第45-58页 |
| ·引言 | 第45-46页 |
| ·HSV 颜色直方图和方向梯度直方图 | 第46-51页 |
| ·HSV 颜色直方图 | 第46-49页 |
| ·方向梯度直方图 | 第49-51页 |
| ·基于自适应特征融合的粒子滤波跟踪算法 | 第51-54页 |
| ·系统状态转移模型 | 第51-52页 |
| ·观测概率模型 | 第52-53页 |
| ·自适应更新模板 | 第53-54页 |
| ·多特征融合的粒子滤波跟踪算法步骤 | 第54页 |
| ·实验结果和分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 多目标自动跟踪 | 第58-65页 |
| ·引言 | 第58-59页 |
| ·多目标自动跟踪算法 | 第59-61页 |
| ·多目标自动跟踪框架 | 第59页 |
| ·多目标自动跟踪算法 | 第59-61页 |
| ·实验和结果分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
