| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-21页 |
| ·研究背景与意义 | 第12-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·运动目标检测技术 | 第15-17页 |
| ·运动目标跟踪技术 | 第17-18页 |
| ·研究内容及结构安排 | 第18-21页 |
| ·本文研究内容 | 第18-20页 |
| ·文章结构安排 | 第20-21页 |
| 第2章 运动目标检测技术研究 | 第21-33页 |
| ·引言 | 第21页 |
| ·运动目标检测技术 | 第21-24页 |
| ·背景差分法 | 第22-23页 |
| ·帧间差分法 | 第23页 |
| ·光流法 | 第23-24页 |
| ·基于 Adaboost 的检测算法 | 第24-30页 |
| ·Haar 特征 | 第25-26页 |
| ·Haar 特征快速计算 | 第26-27页 |
| ·弱分类器的训练 | 第27-28页 |
| ·Adaboost 训练强分类器 | 第28-29页 |
| ·分类器级联 | 第29-30页 |
| ·传统检测方法的局限性 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于帧差法和 Adaboost 方法的运动车辆检测技术 | 第33-45页 |
| ·引言 | 第33-34页 |
| ·视频帧的预处理 | 第34-36页 |
| ·彩色图像灰度化 | 第34-35页 |
| ·低照度处理 | 第35-36页 |
| ·帧差法获取运动前景区域 | 第36-38页 |
| ·三帧差分法 | 第36-37页 |
| ·形态学处理和区域填充 | 第37-38页 |
| ·基于 Adaboost 方法的车辆检测技术 | 第38-43页 |
| ·多尺度检测 | 第38-39页 |
| ·检测结果与分析 | 第39-43页 |
| ·本章小结 | 第43-45页 |
| 第4章 运动目标跟踪系统的设计与实现 | 第45-65页 |
| ·前言 | 第45-46页 |
| ·状态估计的跟踪算法 | 第46-50页 |
| ·状态估计跟踪算法的特征 | 第46-47页 |
| ·卡尔曼滤波器 | 第47-49页 |
| ·粒子滤波器 | 第49-50页 |
| ·以 Mean Shift 为核心的跟踪算法 | 第50-53页 |
| ·以 Mean Shift 为核心的跟踪算法的特征 | 第50页 |
| ·Mean Shift 算法 | 第50-52页 |
| ·特征值的概率密度估计 | 第52页 |
| ·相似性度量 | 第52-53页 |
| ·基于改进的 HOG 特征的特征跟踪 | 第53-56页 |
| ·HOG 特征介绍 | 第53-55页 |
| ·改进的 HOG 特征 | 第55-56页 |
| ·一种改进的跟踪算法 | 第56-58页 |
| ·检测、跟踪系统与分析 | 第58-63页 |
| ·本章小结 | 第63-65页 |
| 第5章 总结与展望 | 第65-67页 |
| ·工作总结 | 第65-66页 |
| ·工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士期间已发表的论文 | 第73-75页 |
| 致谢 | 第75页 |