| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-10页 |
| 1.2 目标跟踪技术的研究现状 | 第10-11页 |
| 1.3 目标跟踪的难点及热点 | 第11-12页 |
| 1.4 本文的研究内容与结构 | 第12-14页 |
| 第二章 目标检测与目标跟踪 | 第14-36页 |
| 2.1 目标检测 | 第14-19页 |
| 2.2 目标跟踪 | 第19-21页 |
| 2.3 均值漂移算法 | 第21-35页 |
| 2.3.1 密度概率理论 | 第21-24页 |
| 2.3.2 均值漂移理论 | 第24-27页 |
| 2.3.3 均值漂移目标跟踪原理 | 第27-31页 |
| 2.3.4 实验结果与分析 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 核窗宽自适应更新的均值漂移跟踪算法 | 第36-46页 |
| 3.1 加减 10%核窗宽算法 | 第36-38页 |
| 3.1.1 实验结果与分析 | 第37-38页 |
| 3.2 基于Hellinger距离修正的均值漂移算法 | 第38-41页 |
| 3.3 基于前后核窗宽一致性检测的均值漂移算法 | 第41-42页 |
| 3.4 实验结果与分析 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 改进粒子群优化的均值漂移跟踪算法 | 第46-56页 |
| 4.1 图像目标特征 | 第46-47页 |
| 4.1.1 颜色特征 | 第46页 |
| 4.1.2 边缘特征 | 第46-47页 |
| 4.1.3 光流特征 | 第47页 |
| 4.1.4 纹理特征 | 第47页 |
| 4.2 粒子群优化算法 | 第47-52页 |
| 4.2.1 生物群体行为模型 | 第47-48页 |
| 4.2.2 基本粒子群优化算法 | 第48-50页 |
| 4.2.3 标准粒子群优化算法 | 第50-51页 |
| 4.2.4 粒子群优化算法的改进 | 第51-52页 |
| 4.3 基于改进粒子群优化的均值漂移跟踪算法 | 第52-55页 |
| 4.3.1 优化目标跟踪特征 | 第52-53页 |
| 4.3.2 实验结果与分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 视频中目标跟踪技术的应用 | 第56-60页 |
| 5.1 智能交通系统 | 第56-57页 |
| 5.1.1 智能交通系统的组成及结构 | 第56-57页 |
| 5.1.2 改进算法在智能交通中的应用 | 第57页 |
| 5.2 移动视频监控系统 | 第57-59页 |
| 5.2.1 移动视频监控系统的组成及结构 | 第58页 |
| 5.2.2 改进算法在移动视频监控中的应用 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 工作总结 | 第60-61页 |
| 6.2 展望未来 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64页 |