| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·选题的背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·研究内容及章节安排 | 第15-17页 |
| 第二章 图像预处理 | 第17-27页 |
| ·引言 | 第17-18页 |
| ·灰度二值化 | 第18-19页 |
| ·彩色图像灰度化 | 第18页 |
| ·数字图像灰度直方图 | 第18-19页 |
| ·图像增强和恢复 | 第19-26页 |
| ·直方图均衡化增强 | 第19-21页 |
| ·噪声抑制 | 第21-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 运动目标检测 | 第27-49页 |
| ·引言 | 第27-28页 |
| ·运动目标检测常用的算法 | 第28-32页 |
| ·光流法 | 第28-29页 |
| ·帧间差分法 | 第29-30页 |
| ·背景减法 | 第30-32页 |
| ·背景提取和背景更新 | 第32-38页 |
| ·背景提取方法 | 第32-36页 |
| ·背景更新方法 | 第36-38页 |
| ·一种基于贝叶斯的改进自适应混合高斯模型的背景减法 | 第38-40页 |
| ·基于贝叶斯理论背景建模 | 第38-39页 |
| ·模型参数估计 | 第39-40页 |
| ·目标检测后处理 | 第40-45页 |
| ·阴影检测与去除 | 第41-43页 |
| ·数学形态学去噪 | 第43-45页 |
| ·连通性分析 | 第45页 |
| ·实验结果分析 | 第45-48页 |
| ·背景抽取过程 | 第45-46页 |
| ·与其他三种算法的比较 | 第46-47页 |
| ·算法鲁棒性 | 第47-48页 |
| ·阴影检测实验 | 第48页 |
| ·本章总结 | 第48-49页 |
| 第四章 运动目标跟踪 | 第49-72页 |
| ·引言 | 第49页 |
| ·主流跟踪算法简介 | 第49-52页 |
| ·基于 kalman 滤波的运动目标跟踪算法 | 第52-57页 |
| ·Kalman 滤波器 | 第52-55页 |
| ·基于 Kalman 滤波的运动目标跟踪算法 | 第55-57页 |
| ·基于 Mean Shift 的运动目标跟踪算法 | 第57-62页 |
| ·核密度估计 | 第57-58页 |
| ·Mean Shift 算法 | 第58-59页 |
| ·基于 Mean Shift 的目标跟踪 | 第59-62页 |
| ·基于粒子滤波的目标跟踪算法 | 第62-66页 |
| ·粒子滤波的计算理论方法 | 第63-64页 |
| ·粒子滤波的基本原理和步骤 | 第64-65页 |
| ·基于粒子滤波的目标跟算法 | 第65-66页 |
| ·基于改进 Kalman 滤波和 Mean shift 的目标跟踪算法 | 第66-70页 |
| ·基于最大模糊熵聚类的改进的 Kalman 算法 | 第66-69页 |
| ·结合改进 Kalman 和 Meanshift 的跟踪算法 | 第69-70页 |
| ·实验结果与分析 | 第70-71页 |
| ·本章总结 | 第71-72页 |
| 第五章 检测与跟踪实验系统平台设计 | 第72-75页 |
| ·引言 | 第72页 |
| ·系统构成 | 第72-73页 |
| ·系统实现 | 第73-74页 |
| ·本章总结 | 第74-75页 |
| 结论与展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 附件 | 第84页 |
