| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·运动物体的检测 | 第9-10页 |
| ·运动人体的识别 | 第10-11页 |
| ·运动人体的跟踪 | 第11-12页 |
| ·人体运动分析研究所面临的困难及其技术难点 | 第12页 |
| ·本文主要研究内容及各章内容安排 | 第12-14页 |
| 第2章 基于背景差法的运动目标检测 | 第14-28页 |
| ·基于局部邻域相似度的运动目标检测 | 第14-24页 |
| ·非参背景建模 | 第14-15页 |
| ·核函数带宽选择 | 第15-16页 |
| ·背景模型更新 | 第16-17页 |
| ·运动物体提取 | 第17页 |
| ·基于局部邻域相似度的运动目标检测算法设计 | 第17-24页 |
| ·实验结果与分析 | 第24-27页 |
| ·实验一:昏暗灯光下的目标检测 | 第24-25页 |
| ·实验二:CAVIAR 项目视频中的目标检测 | 第25-27页 |
| ·小结 | 第27-28页 |
| 第3章 低对比度下的运动人体识别 | 第28-51页 |
| ·图像的局部熵 | 第28-29页 |
| ·基于局部直方图熵的运动人体识别算法 | 第29-37页 |
| ·图像局部直方图熵的定义 | 第29-31页 |
| ·基于局部直方图熵的运动人体识别算法 | 第31-37页 |
| ·对基于局部直方图熵的运动人体识别算法的分析 | 第37页 |
| ·基于局部灰度熵的运动人体识别算法 | 第37-47页 |
| ·图像局部灰度熵定义 | 第37-40页 |
| ·局部直方图熵和局部灰度熵的比较 | 第40-41页 |
| ·基于局部灰度熵的运动人体识别算法设计 | 第41-47页 |
| ·对基于局部灰度熵的运动人体识别算法的分析 | 第47页 |
| ·实验结果与分析 | 第47-50页 |
| ·昏暗楼道里人体识别实验 | 第48-49页 |
| ·远距离人体识别实验 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第4章 改进的 Mean Shift 的运动人体跟踪算法 | 第51-70页 |
| ·基于Mean Shift 的目标跟踪 | 第51-60页 |
| ·Mean Shift 定义 | 第51-52页 |
| ·扩展Mean Shift 定义 | 第52-53页 |
| ·Mean Shift 的扩展形式 | 第53-55页 |
| ·概率密度梯度 | 第55-56页 |
| ·Mean Shift 计算步骤 | 第56-57页 |
| ·基于核函数加权的模板 | 第57-58页 |
| ·用巴氏系数作为相似度 | 第58-59页 |
| ·目标定位 | 第59页 |
| ·存在的问题 | 第59-60页 |
| ·对于模板选择及更新策略的分析 | 第60-62页 |
| ·改进的Mean Shift 运动人体跟踪算法 | 第62-68页 |
| ·特征自适应跟踪框架 | 第63-66页 |
| ·算法实现流程描述 | 第66-67页 |
| ·实验结果与分析 | 第67-68页 |
| ·小结 | 第68-70页 |
| 第5章 结论与展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 缩略语词汇表 | 第77-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间的研究成果 | 第79页 |