首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

视频目标跟踪技术研究

摘要第5-7页
ABSTRACT第7-8页
第1章 绪论第18-25页
    1.1 研究背景和意义第18-19页
    1.2 国内外研究现状第19-23页
        1.2.1 目标跟踪算法面临的挑战第19页
        1.2.2 当前主流目标跟踪算法综述第19-22页
        1.2.3 目标跟踪算法性能的评价准则第22-23页
    1.3 论文的主要工作第23-25页
        1.3.1 论文研究内容第23-24页
        1.3.2 论文结构安排第24-25页
第2章 视频目标跟踪建模理论与关键技术第25-39页
    2.1 建模理论第25页
    2.2 生成式模型第25-35页
        2.2.1 基于粒子滤波的目标跟踪第26-31页
        2.2.2 基于稀疏表示的目标跟踪第31-33页
        2.2.3 基于子空间的目标跟踪第33-35页
    2.3 判别式模型第35-39页
        2.3.1 基于度量学习的目标跟踪第35-36页
        2.3.2 基于相关滤波的目标跟踪第36-37页
        2.3.3 基于深度学习的目标跟踪第37-39页
第3章 基于水平集分割的视频目标跟踪第39-53页
    3.1 研究背景第39页
    3.2 相关工作第39-42页
        3.2.1 主动轮廓(Active Contour)方法第39-40页
        3.2.2 其他方法第40-42页
    3.3 研究方法第42-46页
        3.3.1 基于LoG的水平集分割第42-44页
        3.3.2 可调方向滤波器强化的水平集分割第44-46页
    3.4 实验结果第46-52页
        3.4.1 目标跟踪验证分析-1第46页
        3.4.2 目标跟踪验证分析-2: 基于肋骨跟踪的呼吸运动状态估计第46-52页
    3.5 本章小结第52-53页
第4章 基于残差网络和相关滤波器的视频目标跟踪第53-64页
    4.1 研究背景第53页
    4.2 相关工作第53-54页
    4.3 研究方法第54-57页
        4.3.1 相关滤波器第54-55页
        4.3.2 网络结构第55-56页
        4.3.3 网络结构设计分析第56-57页
    4.4 实验结果第57-63页
        4.4.1 实验设置第57-58页
        4.4.2 基准算法对比第58-61页
        4.4.3 跟踪方法对比第61-63页
        4.4.4 跟踪结果示例及分析第63页
    4.5 本章小结第63-64页
第5章 基于多跟踪器融合的视频目标跟踪第64-83页
    5.1 研究背景第64-65页
    5.2 相关工作第65-66页
        5.2.1 常用跟踪算法第65-66页
        5.2.2 基于集成的跟踪算法第66页
    5.3 研究方法第66-73页
        5.3.1 基本框架第66-67页
        5.3.2 跟踪器算法的成对评价第67-69页
        5.3.3 不可靠跟踪器检测第69-72页
        5.3.4 跟踪结果融合第72-73页
    5.4 实验结果第73-82页
        5.4.1 实验设置第73-74页
        5.4.2 基线比较第74-79页
        5.4.3 定性分析第79页
        5.4.4 有效性分析第79-82页
    5.5 本章小结第82-83页
第6章 结论和展望第83-86页
    6.1 论文工作总结第83-84页
    6.2 下一步工作展望第84-86页
参考文献第86-98页
致谢第98-99页
在读期间发表的学术论文与取得的研究成果第99页

论文共99页,点击 下载论文
上一篇:基于消防安全评估及GIS技术的城市消防规划研究
下一篇:面向小基高比图像的立体匹配方法研究