基于积分图像和Camshift的运动目标跟踪研究

声明

摘要

第一章 绪论

1．1 课题的研究背景及意义

1．2 课题的国内外研究现状

1．2．1 视频目标检测技术

1．2．2 视频目标跟踪技术

1．3 目标跟踪的技术难点

1．4 本文的主要研究内容及组织结构

第二章 运动目标检测算法

2．1 基于模糊数学理论的图像增强

2．1．1 图像增强技术简介

2．1．2 模糊数学方法

2．2 常用的目标检测算法

2．2．1 帧间差分法

2．2．2 背景相减法

2．3 机器学习的目标检测算法

2．3．1 基于Adaboost算法原理的目标检测

2．3．2 基于支持向量机原理的目标检测

2．3．3 基于随机森林算法的目标检测

2．4 基于特征的目标检测

2．4．1 图像的纹理特征

2．4．2 Haar特征提取

2．4．3 HOG特征提取

2．4．4 SIFT特征提取

2．5 本章小结

第三章 基于Meanshift和Kalman滤波的目标跟踪

3．1 Meanshift目标跟踪算法

3．2 Camshift目标跟踪算法

3．3 卡尔曼滤波的原理

3．4 本章小结

第四章 基于快速运动的积分图像跟踪算法

4．1 三维直方图及其相似度衡量算法

4．2 一种结合直方图相似度匹配的积分图像跟踪算法

4．2．1 灰度空间下的跟踪算法及实验

4．2．2 RGB模型下的跟踪算法及实验

4．2．3 HSV模型下的跟踪算法及实验

4．3 积分图像跟踪算法的时间复杂度研究

4．4 Meanshift算法在目标跟踪中的快速运动问题

4．5 用改进的算法实现快速运动目标跟踪

4．5．1 积分图像跟踪算法的实验结果及分析

4．5．2 积分图像结合Meanshift算法的实验结果及分析

4．5．3 算法的时间复杂度对比分析

4．6 本章小结

第五章 基于Camshift的颜色相似和快速运动目标跟踪

5．1 基于改进Camshift算法的颜色相似目标跟踪

5．1．1 目标与背景颜色相似的跟踪问题

5．1．2 改进算法的步骤

5．1．3 改进算法的实验结果及分析

5．1．4 压缩计算区域后的实验结果及分析

5．2 基于Camshift算法的快速运动目标跟踪

5．2．1 用机器学习算法实现运动目标检测

5．2．2 积分图像和Camshift算法的实验结果及分析

5．3 用多算法实现在相同物体干扰下的快速运动目标跟踪

5．3．1 快速运动目标跟踪中的相同物体干扰问题

5．3．2 用多个算法相结合的实验结果及分析

5．3．3 算法时间复杂度分析

5．4 本章小结

第六章 总结与展望

6．1 论文总结

6．2 研究展望

参考文献

致谢