| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·选题背景和研究意义 | 第8-11页 |
| ·目标跟踪技术的研究现状 | 第11-16页 |
| ·基于检测的方法 | 第11-14页 |
| ·基于匹配的方法 | 第14-16页 |
| ·本文主要内容及章节安排 | 第16-17页 |
| 2 Mean Shift 理论 | 第17-28页 |
| ·非参数密度估计 | 第17-22页 |
| ·一维空间下的核密度估计 | 第18-20页 |
| ·二维空间下的核密度估计 | 第20-22页 |
| ·Mean Shift 算法原理 | 第22-24页 |
| ·Mean shift 算法收敛性讨论 | 第24-27页 |
| ·漂移点序列的密度严格递增 | 第25-26页 |
| ·漂移点序列的收敛性 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 基于 Mean Shift 算法的目标跟踪算法 | 第28-38页 |
| ·目标模型与候选模型 | 第28-29页 |
| ·相似度函数 | 第29-30页 |
| ·目标定位 | 第30-31页 |
| ·算法流程 | 第31-32页 |
| ·实验结果 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于 Kalman 滤波的 Mean Shift 跟踪算法 | 第38-45页 |
| ·Kalman 滤波器的基础知识 | 第38-39页 |
| ·Kalman 滤波在目标跟踪中的应用 | 第39-40页 |
| ·遮挡及其他问题的处理 | 第40-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 5 目标检测与 Mean Shift 跟踪算法相结合 | 第45-60页 |
| ·背景建模 | 第45-49页 |
| ·经典的背景建模方法 | 第45-48页 |
| ·背景建模方法的改进 | 第48-49页 |
| ·阴影检测 | 第49-56页 |
| ·常用的阴影检测算法 | 第50-53页 |
| ·阴影抑制算法的自适应改进 | 第53-56页 |
| ·目标检测、Kalman 滤波与 Mean Shift 跟踪算法相结合 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·后续工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |
