| 西北大学学位论文知识产权声明书 | 第1页 |
| 西北大学学位论文独创性声明 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| §1．1 选题背景和研究意义 | 第10-11页 |
| §1．2 研究现状和所存在的问题 | 第11-13页 |
| §1．2．1 运动目标检测 | 第11-12页 |
| §1．2．2 运动目标跟踪 | 第12-13页 |
| §1．3 本文概述 | 第13-16页 |
| §1．3．1 主要研究内容和成果 | 第13-14页 |
| §1．3．1．1 运动目标检测方法的研究 | 第13-14页 |
| §1．3．1．2 运动目标跟踪方法的研究 | 第14页 |
| §1．3．1．3 搭建实时的运动目标检测与跟踪实验平台 | 第14页 |
| §1．3．2 各章节安排 | 第14-16页 |
| 第二章 运动目标检测 | 第16-53页 |
| §2．1 运动目标检测的概述 | 第16-24页 |
| §2．1．1 差分 | 第17-18页 |
| §2．1．2 二值化 | 第18-21页 |
| §2．1．3 形态学图像滤波 | 第21-23页 |
| §2．1．4 连通性检测 | 第23-24页 |
| §2．2 基于背景估计的运动目标检测 | 第24-39页 |
| §2．2．1 背景的获取与估计 | 第24-27页 |
| §2．2．1．1 直接获取法 | 第24-25页 |
| §2．2．1．2 基于运动过程的背景补偿法 | 第25页 |
| §2．2．1．3 统计平均法 | 第25页 |
| §2．2．1．4 基于高斯统计模型的背景获取法 | 第25-27页 |
| §2．2．2 背景模型与背景更新 | 第27-29页 |
| §2．2．2．1 基于统计平均法的递推更新 | 第27-28页 |
| §2．2．2．2 IIR滤波 | 第28页 |
| §2．2．2．3 基于高斯统计模型的估计背景更新 | 第28-29页 |
| §2．2．3 分级分块背景估计法 | 第29-37页 |
| §2．2．3．1 随机变量的各阶矩 | 第29-30页 |
| §2．2．3．2 分块背景估计基本原理 | 第30-32页 |
| §2．2．3．3 分块背景估计的优点 | 第32页 |
| §2．2．3．4 分块背景估计中背景提取的步骤及算法流程图 | 第32-34页 |
| §2．2．3．5 关于分块背景估计法的几点讨论 | 第34-35页 |
| §2．2．3．6 分级分块背景估计法 | 第35-36页 |
| §2．2．3．7 分级分块背景估计法的步骤及算法流程图 | 第36-37页 |
| §2．2．4 基于背景差分法的运动目标检测 | 第37-39页 |
| §2．2．4．1 基于背景差分法的运动目标检测组成方案 | 第38页 |
| §2．2．4．2 各组成部分的说明 | 第38-39页 |
| §2．3 基于连续帧间差分法的运动目标检测 | 第39-41页 |
| §2．3．1 基于连续帧间差分法的运动目标检测组成方案 | 第40页 |
| §2．3．2 各组成部分的说明 | 第40-41页 |
| §2．4 多运动目标检测 | 第41-43页 |
| §2．5 实验 | 第43-51页 |
| §2．5．1 背景的获取与更新实验 | 第43-44页 |
| §2．5．2 基于背景差分的运动目标检测实验 | 第44-51页 |
| §2．5．2．1 室外场景中远距离单个小目标的检测过程 | 第44-46页 |
| §2．5．2．2 室内场景中近距离单个大目标的检测过程 | 第46-47页 |
| §2．5．2．3 室外场景中远距离多目标的检测过程 | 第47-50页 |
| §2．5．3．1 室外场景中远距离单个小目标的检测过程 | 第48-49页 |
| §2．5．3．2 室内场景中近距离单个大目标的检测过程 | 第49页 |
| §2．5．3．3 室外场景中远距离多目标的检测过程 | 第49-50页 |
| §2．5．4 含背景更新的背景差分法运动目标检测实验 | 第50-51页 |
| §2．6 小结 | 第51-53页 |
| 第三章 运动目标跟踪 | 第53-74页 |
| §3．1 特征选择 | 第53-59页 |
| §3．1．1 颜色特征 | 第54-56页 |
| §3．1．1．1 RGB模型 | 第54页 |
| §3．1．1．2 HSV格式(色度、饱和度、明度模型) | 第54-55页 |
| §3．1．1．3 RGB格式转HSV格式 | 第55-56页 |
| §3．1．1．4 HSV与RGB的比较 | 第56页 |
| §3．1．2 直方图 | 第56-57页 |
| §3．1．3 矩特征 | 第57-58页 |
| §3．1．4 边缘和轮廓特征 | 第58-59页 |
| §3．2 搜索算法 | 第59-62页 |
| §3．2．1 绝对平衡搜索法 | 第60页 |
| §3．2．2 归一化互相关匹配算法 | 第60-61页 |
| §3．2．3 均值偏移搜索法 | 第61-62页 |
| §3．2．3．1 均值偏移算法的原理 | 第61-62页 |
| §3．2．3．2 均值偏移算法的搜索过程 | 第62页 |
| §3．3 Camshift目标跟踪 | 第62-71页 |
| §3．3．1 Camshift算法的基本原理 | 第63-67页 |
| §3．3．1．1 Camshift算法的颜色特征提取 | 第63-64页 |
| §3．3．1．2 Camshift算法的搜索过程 | 第64-66页 |
| §3．3．1．3 Camshift算法的流程图 | 第66页 |
| §3．3．1．4 Camshift算法的描述 | 第66-67页 |
| §3．3．2 Camshift算法的讨论与改进 | 第67-71页 |
| §3．3．2．1 改进Camshift算法的颜色空间选取 | 第67-68页 |
| §3．3．2．2 改进Camshift算法的区域选择方式 | 第68-69页 |
| §3．3．2．3 改进Camshift算法的搜索过程 | 第69-71页 |
| §3．4 实验结果及分析 | 第71-73页 |
| §3．5 小结 | 第73-74页 |
| 第四章 运动目标检测与跟踪实验系统平台 | 第74-83页 |
| §4．1 系统平台的组成 | 第74-78页 |
| §4．1．1 硬件组成 | 第74-75页 |
| §4．1．1．1 硬件组成结构 | 第74页 |
| §4．1．1．2 USB-Camera的参数 | 第74-75页 |
| §4．1．1．3 计算机系统的选择 | 第75页 |
| §4．1．2 软件开发平台 | 第75-78页 |
| §4．1．2．1 VC开发环境 | 第76页 |
| §4．1．2．2 Opencv的dll | 第76-77页 |
| §4．1．2．2．1 OpenCV的安装步骤 | 第76页 |
| §4．1．2．2．2 OpenCV的使用与设置步骤 | 第76-77页 |
| §4．1．2．3 图像数据格式 | 第77-78页 |
| §4．2 实验平台的功能模块 | 第78-83页 |
| §4．2．1 组成结构 | 第78-79页 |
| §4．2．2 视频保存 | 第79-80页 |
| §4．2．3 运动目标检测 | 第80-81页 |
| §4．2．4 运动目标跟踪 | 第81-82页 |
| §4．3 小结 | 第82-83页 |
| 第五章 总结与展望 | 第83-85页 |
| §5．1 论文总结 | 第83页 |
| §5．2 论文工作有待完善之处及展望 | 第83-85页 |
| §5．2．1 本论文运动目标检测有待完善之处 | 第83-84页 |
| §5．2．2 本论文运动目标跟踪有待完善之处 | 第84页 |
| §5．2．3 展望 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 致谢 | 第90页 |
