| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究及应用现状 | 第12-14页 |
| 1.2.1 目标检测技术现状 | 第12-13页 |
| 1.2.2 目标追踪技术现状 | 第13-14页 |
| 1.2.3 目标检测与追踪在视频监控应用中存在的问题 | 第14页 |
| 1.3 本文的主要工作内容和章节结构 | 第14-16页 |
| 第2章 目标检测与追踪算法原理 | 第16-24页 |
| 2.1 基于可变形部件模型的目标检测 | 第16-19页 |
| 2.1.1 HOG特征 | 第16-17页 |
| 2.1.2 根模型和局部部件模型 | 第17-19页 |
| 2.1.3 存在的问题 | 第19页 |
| 2.2 基于核相关滤波的KCF目标追踪 | 第19-23页 |
| 2.2.1 样本的循环矩阵 | 第19-20页 |
| 2.2.2 线性回归 | 第20-22页 |
| 2.2.3 KCF目标跟踪过程 | 第22-23页 |
| 2.2.4 KCF存在的问题 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 低照度图像的自适应增强 | 第24-32页 |
| 3.1 亮度提升 | 第24-26页 |
| 3.2 对比度调整 | 第26-27页 |
| 3.3 经验参数的优化选择 | 第27-30页 |
| 3.4 实验结果 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 多特征融合的DPM目标检测 | 第32-45页 |
| 4.1 HOG特征梯度分量的扩展 | 第32-33页 |
| 4.2 Gabor变换与HOG特征的融合 | 第33-35页 |
| 4.3 前景区域定位 | 第35-37页 |
| 4.4 视频中目标检测识别策略 | 第37-38页 |
| 4.5 实验结果 | 第38-43页 |
| 4.5.1 数据样本的生成及处理 | 第39-41页 |
| 4.5.2 DPM检测结果 | 第41-43页 |
| 4.5.3 视频图像序列目标检测识别效果 | 第43页 |
| 4.6 本章小结 | 第43-45页 |
| 第5章 卡尔曼滤波和KCF目标追踪的整合 | 第45-52页 |
| 5.1 多尺度KCF目标追踪 | 第45-46页 |
| 5.2 KCF目标追踪效果恶化的判断条件 | 第46-47页 |
| 5.3 KCF与卡尔曼滤波结合 | 第47-49页 |
| 5.4 实验结果 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 整体实验结果 | 第52-56页 |
| 6.1 目标检测和追踪的整体流程 | 第52-53页 |
| 6.2 实验结果 | 第53-55页 |
| 6.3 本章小结 | 第55-56页 |
| 第7章 总结与展望 | 第56-58页 |
| 7.1 本文总结 | 第56-57页 |
| 7.2 今后展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |