| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 目标检测与跟踪应用的领域 | 第10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 主要研究内容 | 第11-12页 |
| 1.5 论文的组织结构 | 第12-13页 |
| 第2章 基本理论及传统算法研究 | 第13-25页 |
| 2.1 视频图像处理基础知识 | 第13-17页 |
| 2.1.1 图像平滑处理 | 第13-15页 |
| 2.1.2 图像灰度化处理 | 第15-17页 |
| 2.1.3 二值图像连通域标记 | 第17页 |
| 2.2 传统目标检测算法介绍 | 第17-20页 |
| 2.2.1 光流法 | 第17-18页 |
| 2.2.2 帧差法 | 第18-19页 |
| 2.2.3 背景差分法 | 第19-20页 |
| 2.3 传统目标跟踪算法介绍 | 第20-24页 |
| 2.3.1 均值漂移算法 | 第20-21页 |
| 2.3.2 连续自适应的均值漂移算法 | 第21-23页 |
| 2.3.3 卡尔曼滤波算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 静态背景运动物体检测与跟踪 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 优化算法的设计 | 第25-26页 |
| 3.3 目标检测 | 第26-30页 |
| 3.3.1 混合高斯背景建模与帧差法相结合 | 第26-27页 |
| 3.3.2 基于LBP算子提取纹理特征信息 | 第27-28页 |
| 3.3.3 基于Canny算子提取边缘特征信息 | 第28-29页 |
| 3.3.4 基于HSV直方图提取颜色特征信息 | 第29-30页 |
| 3.4 自适应特征融合系数选择 | 第30-32页 |
| 3.5 线性预测算法与CamShift跟踪算法相结合 | 第32-33页 |
| 3.6 本章小结 | 第33-35页 |
| 第4章 动态背景运动物体检测与跟踪 | 第35-48页 |
| 4.1 引言 | 第35页 |
| 4.2 优化算法的设计 | 第35-36页 |
| 4.3 自适应感性区域的设置 | 第36-39页 |
| 4.4 目标检测 | 第39-45页 |
| 4.4.1 SURF特征提取与FLANN最优匹配 | 第39-45页 |
| 4.4.2 运动目标的识别与提取 | 第45页 |
| 4.5 卡尔曼算法与CamShift跟踪算法相结合 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 系统软件平台的实现 | 第48-60页 |
| 5.1 系统软件整体的设计 | 第48-49页 |
| 5.2 模块化类方法的实现 | 第49-50页 |
| 5.3 实验仿真及结果分析 | 第50-58页 |
| 5.4 软件平台的演示 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间所发表的论文 | 第66-68页 |
| 致谢 | 第68页 |