| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 目标检测算法研究现状 | 第8-10页 |
| 1.2.2 目标跟踪算法研究现状 | 第10-11页 |
| 1.3 论文的主要工作及创新点 | 第11-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第二章 目标检测与跟踪系统概述 | 第14-18页 |
| 2.1 系统总体框架 | 第14页 |
| 2.2 目标检测算法及其分类 | 第14-15页 |
| 2.3 传统的目标跟踪算法及关键步骤 | 第15-16页 |
| 2.3.1 目标的表示 | 第15-16页 |
| 2.3.2 候选目标的搜索策略 | 第16页 |
| 2.3.3 目标的确认 | 第16页 |
| 2.3.4 模型更新 | 第16页 |
| 2.4 本章小结 | 第16-18页 |
| 第三章 一种新的带记忆存储的自组织背景差分算法 | 第18-32页 |
| 3.1 经典的SOBS算法原理及特点分析 | 第18-21页 |
| 3.1.1 背景模型的构建 | 第18-19页 |
| 3.1.2 前景检测与背景模型的更新 | 第19-21页 |
| 3.1.3 SOBS算法特点分析 | 第21页 |
| 3.2 带记忆存储的自组织算法 | 第21-27页 |
| 3.2.1 算法的主要思想及流程图 | 第21-22页 |
| 3.2.2 图像压缩预处理策略 | 第22页 |
| 3.2.3 新的背景模型的设计与构建 | 第22-24页 |
| 3.2.4 带反馈的前景检测机制的设计与实现 | 第24-27页 |
| 3.3 实验结果的对比及分析 | 第27-31页 |
| 3.3.1 实验环境及数据来源 | 第27页 |
| 3.3.2 算法在不同场景下的检测结果分析 | 第27-29页 |
| 3.3.3 算法在不同场景下的性能分析 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 一种基于新的颜色模型和HOG特征的跟踪算法 | 第32-53页 |
| 4.1 算法思想及总体流程图 | 第32-33页 |
| 4.2 传统的颜色分布模型及不足分析 | 第33-38页 |
| 4.2.1 模型的构建及相似度衡量 | 第33-34页 |
| 4.2.2 传统颜色分布模型不足分析 | 第34-38页 |
| 4.3 改进的扩展颜色分布模型 | 第38-42页 |
| 4.3.1 改进模型的构建及相似度衡量 | 第38-40页 |
| 4.3.2 初始化策略设计 | 第40-41页 |
| 4.3.3 新模型抗背景干扰能力分析 | 第41-42页 |
| 4.3.4 模型的更新 | 第42页 |
| 4.4 基于粒子群的目标位置预测算法 | 第42-45页 |
| 4.4.1 粒子模型的生成 | 第43页 |
| 4.4.2 候选目标的粒子群搜索过程 | 第43-44页 |
| 4.4.3 粒子状态更新 | 第44-45页 |
| 4.5 颜色和形状双重匹配的跟踪机制 | 第45-47页 |
| 4.5.1 HOG特征与相关滤波器 | 第45-46页 |
| 4.5.2 颜色和形状的权衡选择策略的设计 | 第46-47页 |
| 4.6 实验结果的对比与分析 | 第47-52页 |
| 4.6.1 算法性能的对比分析 | 第47-49页 |
| 4.6.2 不同场景中算法的适应性分析 | 第49-52页 |
| 4.7 本章小结 | 第52-53页 |
| 第五章 一种半固定视角的自适应跟踪系统框架的设计 | 第53-61页 |
| 5.1 基于视力划分的目标随机检测算法 | 第54-58页 |
| 5.1.1 人类视觉中的视力划分 | 第54-55页 |
| 5.1.2 基于视力划分的检测机制 | 第55-56页 |
| 5.1.3 基于随机算法的焦点区域选择 | 第56-58页 |
| 5.2 基于半固定视角的目标跟踪系统框架 | 第58-59页 |
| 5.3 本章小结 | 第59-61页 |
| 总结和展望 | 第61-63页 |
| 回顾与总结 | 第61页 |
| 工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 在读期间的研究成果及发表的学术论文 | 第68页 |