基于视频的复杂场景下多目标跟踪关键技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 目标检测方法 | 第11-12页 |
| 1.2.2 目标视觉表示模型 | 第12-13页 |
| 1.2.3 目标跟踪方法 | 第13-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 第2章 基于数据关联的视频多目标跟踪技术 | 第16-20页 |
| 2.1 基于数据关联的多目标跟踪框架 | 第16-17页 |
| 2.2 关键技术研究 | 第17-20页 |
| 第3章 基于结构化输出SVM的目标区域预测算法 | 第20-30页 |
| 3.1 结构化输出支持向量机 | 第20-22页 |
| 3.1.1 目标模型 | 第20-21页 |
| 3.1.2 正负支持向量的选择和更新 | 第21-22页 |
| 3.2 快速目标区域预测算法 | 第22-25页 |
| 3.2.1 基于半色调的二值特征 | 第23-24页 |
| 3.2.2 核函数的计算方法 | 第24-25页 |
| 3.3 基于分块匹配的结构化输出模型更新策略 | 第25-26页 |
| 3.4 算法步骤 | 第26页 |
| 3.5 实验结果及分析 | 第26-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第4章 基于感兴趣区域的多目标分层检测算法 | 第30-41页 |
| 4.1 VIBE前景检测方法 | 第30-32页 |
| 4.1.1 像素模型初始化方法 | 第30-31页 |
| 4.1.2 模型的更新策略 | 第31-32页 |
| 4.2 去噪处理 | 第32-34页 |
| 4.2.1 中值滤波 | 第32-33页 |
| 4.2.2 形态学开操作 | 第33-34页 |
| 4.3 DPM目标检测算法原理 | 第34-36页 |
| 4.4 基于感兴趣区域的多目标分层检测算法 | 第36-37页 |
| 4.5 实验结果与分析 | 第37-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第5章 基于数据关联的多目标跟踪方法 | 第41-53页 |
| 5.1 目标的低层关联方法 | 第41-42页 |
| 5.2 基于条件随机场的轨迹高层关联方法 | 第42-48页 |
| 5.2.1 条件随机场模型 | 第43-45页 |
| 5.2.2 运动概率模型和外观概率模型 | 第45-47页 |
| 5.2.3 目标特征池的更新 | 第47-48页 |
| 5.3 多目标跟踪算法步骤 | 第48页 |
| 5.4 实验结果及分析 | 第48-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第60-61页 |
| 致谢 | 第61页 |
