| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 引言 | 第9-10页 |
| 1.2 国内外研究现状与发展趋势 | 第10-14页 |
| 1.2.1 运动目标检测 | 第11-12页 |
| 1.2.2 基于粒子滤波的目标跟踪 | 第12-14页 |
| 1.3 论文主要研究内容与结构 | 第14-16页 |
| 1.3.1 论文主要研究内容 | 第14-15页 |
| 1.3.2 论文结构 | 第15-16页 |
| 第2章 特定运动目标检测匹配算法的改进 | 第16-34页 |
| 2.1 图像预处理算法 | 第16-24页 |
| 2.1.1 全局运动补偿 | 第16-20页 |
| 2.1.2 形态学滤波 | 第20-21页 |
| 2.1.3 显著区域提取 | 第21-24页 |
| 2.2 基于改进帧差法的运动目标检测算法 | 第24-28页 |
| 2.2.1 常见的运动目标检测算法 | 第24-25页 |
| 2.2.2 基于边缘信息和形态学滤波改进的帧差法 | 第25-28页 |
| 2.3 基于图像熵与模板集的目标匹配算法 | 第28-33页 |
| 2.3.1 基于图像熵的粗匹配算法 | 第28-32页 |
| 2.3.2 基于模板集的精确匹配算法 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 融合运动状态信息的目标跟踪算法的改进 | 第34-62页 |
| 3.1 粒子滤波跟踪算法基本原理及缺陷 | 第34-41页 |
| 3.1.0 贝叶斯滤波 | 第34-36页 |
| 3.1.1 蒙特卡洛模拟方法 | 第36-37页 |
| 3.1.2 粒子滤波算法基本流程 | 第37-40页 |
| 3.1.3 传统粒子滤波算法缺陷 | 第40-41页 |
| 3.2 融合轨迹预测的粒子滤波跟踪算法框架 | 第41-52页 |
| 3.2.1 目标运动轨迹 | 第41-43页 |
| 3.2.2 最小二乘法轨迹拟合 | 第43-45页 |
| 3.2.3 预测目标状态 | 第45-46页 |
| 3.2.4 轨迹预测介入流程 | 第46-52页 |
| 3.3 融合颜色和运动状态特征的目标模型 | 第52-56页 |
| 3.3.1 颜色分布特征模板 | 第53-55页 |
| 3.3.2 运动状态特征模板 | 第55页 |
| 3.3.3 融合颜色和运动状态特征的模板集 | 第55-56页 |
| 3.4 融合运动信息的状态转移模型 | 第56-57页 |
| 3.5 基于融合特征改进的系统观测模型 | 第57-59页 |
| 3.5.1 基于Bhattacharyya系数的颜色直方图相似度度量 | 第58页 |
| 3.5.2 基于余弦距离的运动向量的相似度度量 | 第58-59页 |
| 3.5.3 融合颜色特征与运动状态特征的粒子权重结构 | 第59页 |
| 3.6 基于融合特征改进的模型更新策略 | 第59-61页 |
| 3.7 本章小结 | 第61-62页 |
| 第4章 基于改进的粒子滤波视频目标跟踪算法 | 第62-72页 |
| 4.1 改进的跟踪算法流程 | 第62-65页 |
| 4.2 实验结果与分析 | 第65-71页 |
| 4.3 本章小结 | 第71-72页 |
| 总结 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |