| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究的背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·运动目标检测与跟踪相关技术 | 第13-16页 |
| ·运动目标检测相关技术 | 第13-14页 |
| ·运动目标跟踪相关技术 | 第14-16页 |
| ·本文的工作及内容安排 | 第16-19页 |
| 第2章 基于自适应学习率的背景建模方法 | 第19-32页 |
| ·运动目标检测的基本方法 | 第19-21页 |
| ·光流法 | 第19-20页 |
| ·帧间差分法 | 第20页 |
| ·背景差分法 | 第20-21页 |
| ·背景模型建立的基本方法 | 第21-26页 |
| ·核密度估计背景建模 | 第22-23页 |
| ·混合高斯背景建模 | 第23-26页 |
| ·基于自适应学习率的背景建模方法 | 第26-31页 |
| ·基于自适应学习率的背景建模方法的基本流程 | 第26-27页 |
| ·基于自适应学习率的背景建模方法的具体步骤 | 第27-29页 |
| ·实验结果与分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 Kalman与改进的Mean-shift相结合的视频跟踪 | 第32-49页 |
| ·Mean-shift(均值偏移)算法 | 第32-37页 |
| ·Mean-shit的基本算法 | 第32-37页 |
| ·Mean-shit算法的优缺点 | 第37页 |
| ·Kalman滤波 | 第37-40页 |
| ·Kalman滤波的基本算法 | 第37-40页 |
| ·Kalman滤波优缺点 | 第40页 |
| ·基于Kalman与Mean-shift相结合的运动目标跟踪方法 | 第40-43页 |
| ·算法流程 | 第40-41页 |
| ·算法描述 | 第41-42页 |
| ·实验结果及分析 | 第42-43页 |
| ·基于Kalman与改进的Mean-shift相结合的运动目标跟踪方法 | 第43-48页 |
| ·算法流程 | 第43-44页 |
| ·改进的Mean Shift方法 | 第44-47页 |
| ·实验结果及分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 融合sift特征和粒子滤波的运动目标跟踪 | 第49-61页 |
| ·贝叶斯滤波原理 | 第49-50页 |
| ·序贯重要性采样 | 第50-52页 |
| ·基于颜色特征的粒子滤波器 | 第52-55页 |
| ·粒子滤波的算法流程 | 第52页 |
| ·粒子滤波的基本算法 | 第52-54页 |
| ·粒子重采样 | 第54-55页 |
| ·融合sift特征和粒子滤波的运动目标跟踪 | 第55-58页 |
| ·算法流程 | 第55页 |
| ·sift特征点 | 第55-57页 |
| ·粒子的权值计算 | 第57-58页 |
| ·颜色和特征点相结合的粒子滤波方法的具体实现 | 第58-60页 |
| ·初始化 | 第58页 |
| ·算法具体步骤 | 第58-59页 |
| ·实验效果及分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-69页 |
| 详细摘要 | 第69-72页 |
