多通道视频中的多目标自动跟踪技术研究论文(DOC 25页)

第一章 绪论.....1
1.1 课题的研究背景及其意义.....1
1.2 国内外研究概况.....2
1.3 本文主要研究内容及章节安排.....7
第二章 TLD目标跟踪方法介绍.....9
2.1 TLD算法框架结构.....10
2.2 TLD算法主要模块.....10
2.2.1 跟踪模块.....10
2.2.2 检测模块.....13
2.2.3 学习模块.....19
2.2.4 融合处理模块.....21
2.3 TLD算法运行流程.....21
2.4 本章小结.....22
第三章 TLD目标跟踪方法的改进.....23
3.1 TLD算法的改进思路.....23
3.1.1 基于Cell FoT+ 的TLD跟踪器设计.....23
3.1.2 基于Kalman滤波器的目标检测区域预测.....27
3.1.3 基于Markov模型的目标运动方向预测.....28
3.2 改进后的TLD目标跟踪方法的实现.....30
3.3 实验结果及其分析.....32
3.3.1 跟踪精度和运行速度分析.....32
3.3.2 引入Markov方向预测器的性能验证.....33
3.4 本章小结.....34
第四章 基于改进TLD的多通道视频中多目标跟踪方法研究.....35
4.1 多通道视频中多目标跟踪方法的设计思想.....35
4.2 多通道视频中多目标跟踪方法的关键技术.....35
4.2.1 目标的数据表示.....35
4.2.2 跟踪模块中帧图像的选取.....38
4.3 多通道视频中多目标跟踪方法的实现.....39
4.4 实验结果及其分析.....40
4.5 本章小结.....42
第五章 多通道视频中的多目标自动跟踪系统设计.....43
5.1 系统总体设计.....43
5.1.1 系统应用场景.....43
5.1.2 系统实现功能.....44
5.1.3 系统总体结构及其设计方案.....45
5.2 系统实现.....47
5.2.1 图像采集实现.....47
5.2.2 目标跟踪实现.....49
5.3 系统验证与分析.....50
5.4 本章小结.....54
第六章 总结与展望.....55
参考文献.....57
致谢.....61
在学期间发表的论文.....62
 
图清单
图2.1 TLD算法框架结构图.....10
图2.2 Forward-Backward示意图.....12
图2.3基于Median Flow思想设计的短期自适应跟踪器的效果图.....13
图2. 4 2bit Binary Patterns在目标跟踪中应用的示意图.....14
图2.5 扫描窗口示意图.....15
图2.6 级联分类器结构图.....16
图2.7 单株树结构图.....17
图2.8 随机森林分类器原理图.....18
图2.9 P-N Learning原理图.....21
图3.1 Cell FoT示意图…..24
图3.2 邻域一致预测器示意图.....25
图3.3 Kalman滤波器减小扫描区域的示意图.....28
图3.4 马尔可夫预测预测当前时刻检测区域示意图.....29
图3.5 改进的TLD目标跟踪方法示意图.....31
图3.6相似目标交会后分开的辨识能力比较.....34
图4.1 目标模型示意图…36
图4.2 帧图像的选取.....39
图4.3 多通道视频中的多目标跟踪.....39
图4.4 基于改进TLD的多通道视频中的多目标跟踪效果图.....41
图5.1 多通道视频目标跟踪系统的运行场景示意图....44
图5.2 室外摄像机拍摄画面.....44
图5.3 多通道视频的多目标跟踪系统总体结构图.....45
图5.4 大恒DH-VT142采集卡.....46
图5.5 算法参数设置界面.....50
图5.6 跟踪结果显示界面.....50
图5.7 系统的操作界面.....51
图5.8 系统跟踪效果图.....54
表清单
表3. 1测试视频描述以及图像序列预览图.....32
表3. 2图像序列测试结果.....33
表4. 1单目标的数据表示.....38
表4. 2多通道视频目标跟踪系统的数据表示.....38
..............................