| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题的研究背景及意义 | 第7页 |
| 1.2 目标跟踪算法研究现状及发展趋势 | 第7-9页 |
| 1.3 目标跟踪方法概述 | 第9-11页 |
| 1.4 本文研究内容及创新点 | 第11-13页 |
| 第二章 移动目标检测算法研究 | 第13-25页 |
| 2.1 移动目标检测方法概述 | 第13-14页 |
| 2.2 帧间差分法 | 第14-15页 |
| 2.3 光流法 | 第15-16页 |
| 2.4 背景分割算法 | 第16-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 特定目标跟踪算法研究 | 第25-45页 |
| 3.1 目标跟踪算法简述 | 第25-26页 |
| 3.2 Meanshift均值漂移算法 | 第26-30页 |
| 3.3 Camshift自适应均值漂移算法 | 第30-32页 |
| 3.4 基于Kalman算法改进的Camshift目标跟踪算法 | 第32-36页 |
| 3.5 在线学习跟踪算法 | 第36-41页 |
| 3.6 核相关滤波KCF (Kernel Correlation Filter)跟踪算法 | 第41-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 特征学习算法在目标跟踪的应用 | 第45-53页 |
| 4.1 特征提取 | 第45-48页 |
| 4.2 特征分类算法 | 第48-51页 |
| 4.3 结合HOG特征和SVM算法构建分类器检测行人 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于背景分割、Camshift和Kalman滤波的多目标融合跟踪算法 | 第53-58页 |
| 5.1 基于背景分割、Meanshift和Kalman滤波的多目标融合跟踪算法 | 第53-56页 |
| 5.2 实验结果及分析 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 全文工作总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 作者简介及在学期间研究成果 | 第64页 |
