基于单目视觉的运动目标跟踪算法研究与实现
| 摘要 | 第2-3页 |
| ABSTRACT | 第3-4页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 本论文的研究内容 | 第9页 |
| 1.4 论文结构及安排 | 第9-10页 |
| 第二章 运动目标跟踪的相关理论 | 第10-25页 |
| 2.1 图像预处理 | 第10-15页 |
| 2.1.1 图像增强 | 第11-12页 |
| 2.1.2 图像滤波 | 第12-13页 |
| 2.1.3 图像形态学处理 | 第13-15页 |
| 2.2 目标特征提取 | 第15-18页 |
| 2.2.1 直方图特征 | 第15-16页 |
| 2.2.2 颜色特征 | 第16-18页 |
| 2.2.3 点特征 | 第18页 |
| 2.3 运动目标的检测 | 第18-22页 |
| 2.3.1 帧间差分法 | 第19-20页 |
| 2.3.2 背景差分法 | 第20页 |
| 2.3.3 光流场估计法 | 第20-22页 |
| 2.4 运动目标的跟踪 | 第22-25页 |
| 2.4.1 基于均值漂移的跟踪算法 | 第22-23页 |
| 2.4.2 粒子滤波算法 | 第23页 |
| 2.4.3 基于运动分析的跟踪算法 | 第23-25页 |
| 第三章 基于增强型对称差分法的目标跟踪算法 | 第25-30页 |
| 3.1 增强型对称差分法 | 第25-26页 |
| 3.2 均值漂移原理 | 第26-27页 |
| 3.3 增强型对称差分均值漂移算法流程 | 第27-28页 |
| 3.4 实验结果与分析 | 第28-30页 |
| 第四章 基于改进粒子滤波算法的运动目标跟踪 | 第30-39页 |
| 4.1 贝叶斯估计理论 | 第30-31页 |
| 4.2 蒙特卡罗算法 | 第31页 |
| 4.3 粒子滤波算法实现 | 第31-33页 |
| 4.4 基于统计直方图的目标模型 | 第33页 |
| 4.5 改进的粒子滤波 | 第33-35页 |
| 4.6 实验结果与分析 | 第35-39页 |
| 第五章 软件开发 | 第39-49页 |
| 5.1 开发环境 | 第39-40页 |
| 5.1.1 Visual C++ | 第39页 |
| 5.1.2 OpenCV开源计算机视觉库 | 第39-40页 |
| 5.1.3 MFC介绍 | 第40页 |
| 5.2 软件开发 | 第40-49页 |
| 5.2.1 软件总体流程 | 第40-41页 |
| 5.2.2 开发步骤 | 第41-43页 |
| 5.2.3 软件界面与功能 | 第43-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 本文工作总结 | 第49页 |
| 6.2 研究展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间发表的学术论文目录 | 第55-56页 |
