| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究动态 | 第8-9页 |
| ·运动目标检测与跟踪技术研究现状 | 第9-11页 |
| ·运动目标检测技术研究现状 | 第9-10页 |
| ·运动目标跟踪技术研究现状 | 第10-11页 |
| ·运动目标检测与跟踪技术的难点 | 第11页 |
| ·论文主要内容及安排 | 第11-13页 |
| 第二章 基于混合高斯模型的运动目标检测算法 | 第13-23页 |
| ·混合高斯模型 | 第13-15页 |
| ·建立模型 | 第13-14页 |
| ·更新模型 | 第14页 |
| ·选取背景模型 | 第14-15页 |
| ·提取前景目标 | 第15页 |
| ·图像的去噪处理 | 第15-17页 |
| ·自适应中值滤波 | 第15-16页 |
| ·形态学处理 | 第16-17页 |
| ·连通域阈值面积法 | 第17页 |
| ·算法流程图 | 第17-18页 |
| ·实验结果与分析 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 尺度不变特征提取与匹配算法 | 第23-35页 |
| ·尺度不变特征原理 | 第23-26页 |
| ·尺度空间的建立 | 第23-24页 |
| ·关键点检测与定位 | 第24-25页 |
| ·关键点方向确定 | 第25页 |
| ·关键点描述子的生成 | 第25-26页 |
| ·特征点匹配 | 第26页 |
| ·PCA-SIFT算法和SURF算法 | 第26-27页 |
| ·PCA-SIFT算法 | 第26页 |
| ·SURF算法 | 第26-27页 |
| ·SIFT、PCA-SIFT、SURF三种算法的比较 | 第27页 |
| ·改进的SIFT算法 | 第27-31页 |
| ·小波变换 | 第27-29页 |
| ·尺度空间的建立 | 第29-30页 |
| ·RANSAC算法 | 第30页 |
| ·算法流程图 | 第30-31页 |
| ·实验结果及分析 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于改进SIFT特征的卡尔曼跟踪算法 | 第35-42页 |
| ·Kalman滤波器 | 第35-36页 |
| ·Kalman滤波器原理 | 第35-36页 |
| ·Kalman滤波算法流程 | 第36页 |
| ·基于改进SIFT特征的卡尔曼滤波跟踪算法 | 第36-37页 |
| ·实验结果与分析 | 第37-41页 |
| ·Kalman滤波算法 | 第38页 |
| ·基于改进SIFT特征的卡尔曼滤波跟踪算法 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 压缩感知跟踪算法 | 第42-56页 |
| ·压缩感知理论 | 第42-46页 |
| ·稀疏投影矩阵 | 第42-43页 |
| ·朴素贝叶斯分类器的构建与更新 | 第43-44页 |
| ·Haar-like特征 | 第44-45页 |
| ·压缩感知算法步骤 | 第45-46页 |
| ·快速压缩感知算法 | 第46-49页 |
| ·非常稀疏投影矩阵 | 第47页 |
| ·朴素贝叶斯分类器的构建与更新 | 第47-48页 |
| ·FCT算法步骤 | 第48-49页 |
| ·改进的快速压缩感知算法 | 第49-50页 |
| ·实验结果与分析 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 主要结论与展望 | 第56-58页 |
| 主要结论 | 第56-57页 |
| 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第62页 |