| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·国内外研究现状 | 第7-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-10页 |
| ·研究内容及论文安排 | 第10-11页 |
| 2 运动目标检测 | 第11-24页 |
| ·常用运动目标检测算法 | 第11-15页 |
| ·光流法 | 第11-12页 |
| ·背景差分分法 | 第12-14页 |
| ·帧间差分法 | 第14页 |
| ·基于特征提取的运动目标检测算法 | 第14-15页 |
| ·HOG特征(Histograms of Oriented Gradients) | 第15-18页 |
| ·方向梯度值的计算 | 第16-17页 |
| ·HOG特征计算过程 | 第17-18页 |
| ·SVM分类器 | 第18-23页 |
| ·最优超平面 | 第18-20页 |
| ·SVM的核函数 | 第20-21页 |
| ·SVM训练过程 | 第21-23页 |
| ·检测结果 | 第23-24页 |
| 3 运动目标跟踪 | 第24-33页 |
| ·基于特征模型匹配的跟踪算法 | 第24-25页 |
| ·基于区域特征匹配的跟踪算法 | 第24-25页 |
| ·基于局部特征匹配的跟踪算法 | 第25页 |
| ·基于轮廓特征匹配的跟踪算法 | 第25页 |
| ·基于运动参数估计的跟踪算法 | 第25-28页 |
| ·粒子滤波算法 | 第25-27页 |
| ·Mean-shift算法 | 第27-28页 |
| ·Camshift算法 | 第28页 |
| ·Kalman滤波器 | 第28-31页 |
| ·Kalman滤波器的基本原理 | 第29-30页 |
| ·Kalman滤波器的实际应用 | 第30-31页 |
| ·实验结果 | 第31-33页 |
| 4 基于反馈信息的车辆快速检测方法 | 第33-40页 |
| ·常用快速检测方法 | 第33-34页 |
| ·选择性降维法 | 第33页 |
| ·改进的降维方法 | 第33-34页 |
| ·基于反馈信息的快速检测方法 | 第34-39页 |
| ·实验结果 | 第39-40页 |
| 5 总结与展望 | 第40-42页 |
| ·内容总结 | 第40-41页 |
| ·进一步展望 | 第41-42页 |
| 在学研究成果 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46页 |