| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·本文研究的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·运动目标检测算法 | 第11-12页 |
| ·运动目标跟踪算法 | 第12-14页 |
| ·论文的创新点 | 第14-15页 |
| ·论文的研究内容及结构安排 | 第15-16页 |
| 第二章 基于边缘检测与背景差分法的目标检测 | 第16-29页 |
| ·引言 | 第16页 |
| ·常用的运动目标检测算法 | 第16-19页 |
| ·获取背景模型 | 第17-18页 |
| ·实时更新背景模型 | 第18页 |
| ·自动阈值分割算法 | 第18-19页 |
| ·基于改进的灰预测模型的图像边缘检测 | 第19-24页 |
| ·GM(1,1)预测模型 | 第19-21页 |
| ·GM(1,1,x(1))模型及其改进方法 | 第21-22页 |
| ·基于改进 GM(1,1,x(1))模型的图像边缘检测算法 | 第22-23页 |
| ·实验结果及分析 | 第23-24页 |
| ·基于边缘检测与背景差分法的运动目标检测算法 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于核与活动轮廓的两阶段目标跟踪 | 第29-51页 |
| ·引言 | 第29页 |
| ·Mean Shift 算法理论 | 第29-31页 |
| ·核密度估计方法 | 第29-30页 |
| ·Mean Shift 算法原理 | 第30-31页 |
| ·水平集方法的基本理论 | 第31-32页 |
| ·基于核与活动轮廓的两阶段运动车辆跟踪算法 | 第32-39页 |
| ·跟踪窗口自适应的 Mean Shift 算法 | 第33-37页 |
| ·改进的 GM(1,1)模型 | 第37-39页 |
| ·基于 Mumford-shah 模型的改进水平集的目标轮廓提取 | 第39页 |
| ·实验结果分析 | 第39-49页 |
| ·尺度变化的车辆目标跟踪 | 第40-42页 |
| ·拐弯运动的车辆目标跟踪 | 第42-45页 |
| ·存在遮挡的车辆目标跟踪 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 基于改进 MeanShift 与自适应预测的目标跟踪 | 第51-70页 |
| ·引言 | 第51页 |
| ·基于多特征空间的 Mean Shift 算法 | 第51-53页 |
| ·目标多特征提取 | 第51-52页 |
| ·特征融合与目标定位 | 第52-53页 |
| ·目标模型更新 | 第53页 |
| ·α–β–γ滤波器 | 第53-54页 |
| ·粒子滤波器 | 第54-55页 |
| ·算法流程 | 第55-56页 |
| ·实验结果分析 | 第56-68页 |
| ·不规则运动的人体目标跟踪 | 第56-58页 |
| ·复杂环境下遮挡的人体目标跟踪 | 第58-61页 |
| ·视频动态场景下人体目标跟踪 | 第61-66页 |
| ·相似性遮挡的人体多目标跟踪 | 第66-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间的研究成果 | 第78页 |
