| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 智能交通系统的发展现状 | 第10-11页 |
| 1.3 跟踪检测技术的发展现状 | 第11-12页 |
| 1.4 本文主要研究内容及结构 | 第12-14页 |
| 1.4.1 论文主要研究内容 | 第12-13页 |
| 1.4.2 论文组织结构 | 第13-14页 |
| 第二章 红外成像以及目标跟踪技术综述 | 第14-22页 |
| 2.1 传统图像采集的缺陷 | 第14-16页 |
| 2.2 红外成像技术分析 | 第16-20页 |
| 2.2.1 红外图像的众多优点 | 第17页 |
| 2.2.2 红外图像的产生机理及特点 | 第17-19页 |
| 2.2.3 红外成像国内外的应用 | 第19-20页 |
| 2.3 目标跟踪技术的具体综述 | 第20-22页 |
| 2.3.1 视频目标跟踪的应用 | 第20-21页 |
| 2.3.2 目标跟踪所存在的问题 | 第21-22页 |
| 第三章 特征提取技术 | 第22-29页 |
| 3.1 背景差分法 | 第22-24页 |
| 3.2 随机Haar-Like特征 | 第24-27页 |
| 3.2.1 随机Haar-Like特征概述 | 第24-25页 |
| 3.2.2 随机Haar-Like特征的原理 | 第25-27页 |
| 3.3 特征提取的部分改进 | 第27-29页 |
| 第四章 本文跟踪检测算法的框架介绍 | 第29-46页 |
| 4.1 压缩感知算法的概述 | 第29-38页 |
| 4.1.1 压缩感知理论起源与发展 | 第29-30页 |
| 4.1.2 压缩感知算法的理论原理 | 第30-36页 |
| 4.1.3 分类器构建和更新 | 第36-38页 |
| 4.2 本文目标检测所用方法的原理介绍 | 第38-41页 |
| 4.2.1 本文检测方法的实现步骤概述 | 第39-40页 |
| 4.2.2 本文目标检测所用方法的具体内容 | 第40-41页 |
| 4.3 多种跟踪算法的原理介绍 | 第41-43页 |
| 4.4 Kernelized Correlation Filters(KCF)算法框架介绍 | 第43-46页 |
| 第五章 目标跟踪实验的结果分析 | 第46-60页 |
| 5.1 实验一——基本路况实验 | 第47-49页 |
| 5.2 实验二——出现遮挡的复杂路况实验 | 第49-50页 |
| 5.3 实验三——目标物灰度改变的实验 | 第50-52页 |
| 5.4 实验四——增大目标物大小及速度的实验 | 第52-53页 |
| 5.5 算法改进前后的实验结果分析 | 第53-55页 |
| 5.6 对比两种基于红外视频的目标跟踪算法 | 第55-60页 |
| 总结与展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67页 |