| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 表格 | 第12-13页 |
| 插图 | 第13-15页 |
| 第一章 绪论 | 第15-25页 |
| ·研究背景、目的和意义 | 第15-16页 |
| ·智能视频监控下的多目标跟踪主要技术和难点 | 第16-23页 |
| ·智能视频监控的国内外研究现状 | 第16-18页 |
| ·运动目标检测技术 | 第18-21页 |
| ·运动目标跟踪技术 | 第21-23页 |
| ·本文的工作及创新之处 | 第23-24页 |
| ·本文结构与内容安排 | 第24-25页 |
| 第二章 帧差法和背景差法融合的多目标检测算法 | 第25-43页 |
| ·引言 | 第25页 |
| ·运动目标的检测方法 | 第25-31页 |
| ·帧差法 | 第25-26页 |
| ·背景差法 | 第26-31页 |
| ·帧差法和背景差法融合的多目标检测 | 第31-35页 |
| ·运动区域检测算法 | 第31-32页 |
| ·自适应迭代阈值的计算 | 第32-34页 |
| ·运动目标的分割 | 第34-35页 |
| ·实验结果与分析 | 第35-38页 |
| ·运动区域检测算法 | 第36-37页 |
| ·自适应迭代阈值算法 | 第37页 |
| ·运动目标分割算法 | 第37-38页 |
| ·本章小结 | 第38-43页 |
| 第三章 基于多特征联合和改进的Mean Shift结合的多目标跟踪算法 | 第43-81页 |
| ·引言 | 第43页 |
| ·多目标跟踪技术基础 | 第43-63页 |
| ·特征提取技术 | 第44-56页 |
| ·Mean Shift理论介绍 | 第56-63页 |
| ·多特征联合提取技术 | 第63-65页 |
| ·改进的Mean Shift的多目标跟踪算法 | 第65-73页 |
| ·Mean Shift算法在目标跟踪中的应用 | 第65-67页 |
| ·改进的Mean Shift算法 | 第67-73页 |
| ·实验结果与分析 | 第73-77页 |
| ·多特征联合提取技术 | 第73-75页 |
| ·多目标跟踪算法实验 | 第75-77页 |
| ·本章小结 | 第77-81页 |
| 第四章 多目标跟踪原型系统 | 第81-105页 |
| ·引言 | 第81页 |
| ·开发环境 | 第81-84页 |
| ·OpenCV | 第81-83页 |
| ·DirectShow技术 | 第83-84页 |
| ·总体设计 | 第84-85页 |
| ·系统构成 | 第85-101页 |
| ·系统模块间的传输协议 | 第85-88页 |
| ·中心服务器 | 第88-90页 |
| ·远程监控客户端 | 第90-94页 |
| ·多目标跟踪系统的拓展功能 | 第94页 |
| ·嵌入式监控终端 | 第94-99页 |
| ·枪型摄像机和球型摄像机 | 第99-101页 |
| ·系统性能实验 | 第101-102页 |
| ·检测效率 | 第101-102页 |
| ·跟踪准确率 | 第102页 |
| ·典型应用分析 | 第102-103页 |
| ·银行储蓄所应用 | 第103页 |
| ·路口监控应用 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 第五章 总结与展望 | 第105-107页 |
| ·本文总结 | 第105-106页 |
| ·研究展望 | 第106-107页 |
| 参考文献 | 第107-115页 |
| 致谢 | 第115-117页 |
| 在读期间发表的学术论文与取得的研究成果 | 第117页 |