多通道視頻中的多目標自動跟蹤技術研究論文(DOC 25頁)

第一章 緒論.....1
1.1 課題的研究背景及其意義.....1
1.2 國內外研究概況.....2
1.3 本文主要研究內容及章節安排.....7
第二章 TLD目標跟蹤方法介紹.....9
2.1 TLD算法框架結構.....10
2.2 TLD算法主要模塊.....10
2.2.1 跟蹤模塊.....10
2.2.2 檢測模塊.....13
2.2.3 學習模塊.....19
2.2.4 融合處理模塊.....21
2.3 TLD算法運行流程.....21
2.4 本章小結.....22
第三章 TLD目標跟蹤方法的改進.....23
3.1 TLD算法的改進思路.....23
3.1.1 基於Cell FoT+ 的TLD跟蹤器設計.....23
3.1.2 基於Kalman濾波器的目標檢測區域預測.....27
3.1.3 基於Markov模型的目標運動方向預測.....28
3.2 改進後的TLD目標跟蹤方法的實現.....30
3.3 實驗結果及其分析.....32
3.3.1 跟蹤精度和運行速度分析.....32
3.3.2 引入Markov方向預測器的性能驗證.....33
3.4 本章小結.....34
第四章 基於改進TLD的多通道視頻中多目標跟蹤方法研究.....35
4.1 多通道視頻中多目標跟蹤方法的設計思想.....35
4.2 多通道視頻中多目標跟蹤方法的關鍵技術.....35
4.2.1 目標的數據表示.....35
4.2.2 跟蹤模塊中幀圖像的選取.....38
4.3 多通道視頻中多目標跟蹤方法的實現.....39
4.4 實驗結果及其分析.....40
4.5 本章小結.....42
第五章 多通道視頻中的多目標自動跟蹤係統設計.....43
5.1 係統總體設計.....43
5.1.1 係統應用場景.....43
5.1.2 係統實現功能.....44
5.1.3 係統總體結構及其設計方案.....45
5.2 係統實現.....47
5.2.1 圖像采集實現.....47
5.2.2 目標跟蹤實現.....49
5.3 係統驗證與分析.....50
5.4 本章小結.....54
第六章 總結與展望.....55
參考文獻.....57
致謝.....61
在學期間發表的論文.....62

圖清單
圖2.1 TLD算法框架結構圖.....10
圖2.2 Forward-Backward示意圖.....12
圖2.3基於Median Flow思想設計的短期自適應跟蹤器的效果圖.....13
圖2. 4 2bit Binary Patterns在目標跟蹤中應用的示意圖.....14
圖2.5 掃描窗口示意圖.....15
圖2.6 級聯分類器結構圖.....16
圖2.7 單株樹結構圖.....17
圖2.8 隨機森林分類器原理圖.....18
圖2.9 P-N Learning原理圖.....21
圖3.1 Cell FoT示意圖…..24
圖3.2 鄰域一致預測器示意圖.....25
圖3.3 Kalman濾波器減小掃描區域的示意圖.....28
圖3.4 馬爾可夫預測預測當前時刻檢測區域示意圖.....29
圖3.5 改進的TLD目標跟蹤方法示意圖.....31
圖3.6相似目標交會後分開的辨識能力比較.....34
圖4.1 目標模型示意圖…36
圖4.2 幀圖像的選取.....39
圖4.3 多通道視頻中的多目標跟蹤.....39
圖4.4 基於改進TLD的多通道視頻中的多目標跟蹤效果圖.....41
圖5.1 多通道視頻目標跟蹤係統的運行場景示意圖....44
圖5.2 室外攝像機拍攝畫麵.....44
圖5.3 多通道視頻的多目標跟蹤係統總體結構圖.....45
圖5.4 大恒DH-VT142采集卡.....46
圖5.5 算法參數設置界麵.....50
圖5.6 跟蹤結果顯示界麵.....50
圖5.7 係統的操作界麵.....51
圖5.8 係統跟蹤效果圖.....54
表清單
表3. 1測試視頻描述以及圖像序列預覽圖.....32
表3. 2圖像序列測試結果.....33
表4. 1單目標的數據表示.....38
表4. 2多通道視頻目標跟蹤係統的數據表示.....38
..............................