| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 选题的背景及意义 | 第12-13页 |
| 1.2 目标跟踪研究现状 | 第13-15页 |
| 1.3 目标跟踪技术难点 | 第15-17页 |
| 1.4 本文主要工作与结构 | 第17-19页 |
| 1.4.1 本文主要工作 | 第17-18页 |
| 1.4.2 本文结构 | 第18-19页 |
| 第2章 运动目标检测与跟踪算法 | 第19-24页 |
| 2.1 运动目标检测 | 第19-21页 |
| 2.1.1 相邻帧差法 | 第19页 |
| 2.1.2 光流法 | 第19-20页 |
| 2.1.3 背景减法 | 第20页 |
| 2.1.4 基于统计学习的方法 | 第20-21页 |
| 2.2 运动目标跟踪 | 第21-23页 |
| 2.2.1 基于特征的跟踪 | 第21-22页 |
| 2.2.2 基于相关的跟踪 | 第22页 |
| 2.2.3 基于运动估计的跟踪 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 MeanShift理论 | 第24-30页 |
| 3.1 密度估计概述 | 第24-25页 |
| 3.2 参数密度估计 | 第25页 |
| 3.3 无参密度估计 | 第25-26页 |
| 3.3.1 无参密度估计的常用方法 | 第25页 |
| 3.3.2 核密度估计原理 | 第25-26页 |
| 3.4 MeanShift跟踪算法 | 第26-28页 |
| 3.4.1 目标模型的选取和描述 | 第27页 |
| 3.4.2 候选模型的描述 | 第27-28页 |
| 3.4.3 目标相似性度量 | 第28页 |
| 3.5 本章小结 | 第28-30页 |
| 第4章 尺度自适应的MeanShift跟踪算法 | 第30-50页 |
| 4.1 经典MeanShift跟踪算法的优缺点 | 第30-31页 |
| 4.2 对数极坐标变换 | 第31-32页 |
| 4.3 椭圆对数极坐标 | 第32-33页 |
| 4.4 跟踪算法描述 | 第33-35页 |
| 4.4.1 目标尺度确定 | 第33-34页 |
| 4.4.2 跟踪步骤描述 | 第34-35页 |
| 4.5 实验结果与分析 | 第35-48页 |
| 4.5.1 定性比较与分析 | 第36-41页 |
| 4.5.2 定量对比与分析 | 第41-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第5章 结合卡尔曼滤波的MeanShift跟踪算法 | 第50-65页 |
| 5.1 Kalman滤波推导过程 | 第50-53页 |
| 5.2 Kalman滤波算法基本方程 | 第53-55页 |
| 5.3 Kalman滤波算法的特性 | 第55-56页 |
| 5.4 Kalman滤波器在目标跟踪中的应用 | 第56-60页 |
| 5.4.1 基本原理 | 第56-58页 |
| 5.4.2 结合Kalman滤波的MeanShift算法实现 | 第58-60页 |
| 5.5 实验结果与分析 | 第60-63页 |
| 5.6.1 定性比较与分析 | 第60-61页 |
| 5.6.2 定量比较与分析 | 第61-63页 |
| 5.6 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第71-72页 |
| 致谢 | 第72-73页 |