| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 图表清单 | 第10-11页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 引言 | 第13页 |
| 1.2 研究背景及意义 | 第13-15页 |
| 1.3 研究方法概述 | 第15-17页 |
| 1.4 国内外研究现状 | 第17-18页 |
| 1.4.1 国外研究现状 | 第17-18页 |
| 1.4.2 国内研究现状 | 第18页 |
| 1.5 本文研究内容 | 第18-19页 |
| 1.6 本文的结构安排 | 第19-21页 |
| 第二章 基于背景差分和自适应混合高斯模型的运动目标检测 | 第21-42页 |
| 2.1 引言 | 第21页 |
| 2.2 运动目标检测概述 | 第21-24页 |
| 2.2.1 光流法 | 第22页 |
| 2.2.2 帧间差分法 | 第22-23页 |
| 2.2.3 背景差分法 | 第23-24页 |
| 2.3 形态学处理 | 第24-28页 |
| 2.3.1 膨胀 | 第25-26页 |
| 2.3.2 腐蚀 | 第26-27页 |
| 2.3.3 开闭运算 | 第27-28页 |
| 2.4 基于改进混合高斯模型的运动目标检测 | 第28-34页 |
| 2.4.1 自适应地选择高斯分布个数 | 第28-30页 |
| 2.4.2 背景更新 | 第30-31页 |
| 2.4.3 自适应阈值的二值化 | 第31-32页 |
| 2.4.4 阴影消除及形态学处理 | 第32-33页 |
| 2.4.5 总体算法流程 | 第33-34页 |
| 2.5 实验结果与分析 | 第34-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第三章 基于权值判断重采样的改进粒子滤波算法 | 第42-50页 |
| 3.1 引言 | 第42页 |
| 3.2 贝叶斯估计理论 | 第42-43页 |
| 3.3 蒙特卡罗方法 | 第43-45页 |
| 3.3.1 蒙特卡罗积分 | 第43页 |
| 3.3.2 重要性抽样 | 第43-44页 |
| 3.3.3 序列重要性抽样 | 第44-45页 |
| 3.4 粒子滤波算法 | 第45-48页 |
| 3.4.1 标准粒子滤波算法 | 第45-46页 |
| 3.4.2 基于权值判断的重采样方法 | 第46-48页 |
| 3.5 实验结果与分析 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于多特征融合的粒子滤波自适应目标跟踪 | 第50-64页 |
| 4.1 引言 | 第50页 |
| 4.2 多特征融合的观测模型 | 第50-54页 |
| 4.2.1 颜色特征 | 第50-51页 |
| 4.2.2 边缘特征 | 第51-52页 |
| 4.2.3 纹理特征 | 第52-53页 |
| 4.2.4 融合策略 | 第53-54页 |
| 4.3 粒子数自适应调整策略 | 第54-55页 |
| 4.4 算法实现 | 第55-56页 |
| 4.4.1 运动模型 | 第55页 |
| 4.4.2 算法流程 | 第55-56页 |
| 4.5 实验结果与分析 | 第56-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 基于背景差分和粒子滤波的运动目标跟踪 | 第64-71页 |
| 5.1 引言 | 第64页 |
| 5.2 基本原理 | 第64-67页 |
| 5.2.1 基于背景差分的运动目标跟踪 | 第64-65页 |
| 5.2.2 融合背景差分与粒子滤波的运动目标跟踪 | 第65-67页 |
| 5.3 实验结果与分析 | 第67-70页 |
| 5.3.1 基于背景差分运动目标跟踪实验 | 第67-68页 |
| 5.3.2 融合背景差分与粒子滤波的运动目标跟踪实验 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-74页 |
| 6.1 本文总结 | 第71-72页 |
| 6.2 不足之处与下一步展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 在学期间的研究成果及发表的学术论文 | 第79页 |