| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·课题研究背景和意义 | 第8-9页 |
| ·国内外研究及应用现状 | 第9-11页 |
| ·论文相关技术综述 | 第11-15页 |
| ·运动检测 | 第11-14页 |
| ·目标分割 | 第14-15页 |
| ·目标特征提取与分析 | 第15页 |
| ·技术难点 | 第15-16页 |
| ·本文研究内容及创新点 | 第16-17页 |
| 2 运动目标检测技术研究 | 第17-25页 |
| ·引言 | 第17页 |
| ·背景减除与帧间差分在本文中的比较分析 | 第17-20页 |
| ·基于像素灰度归类重构背景的背景减除算法 | 第17-19页 |
| ·基本帧间差分法 | 第19页 |
| ·实验结果与分析 | 第19-20页 |
| ·使用卡尔曼滤波器更新背景 | 第20-24页 |
| ·卡尔曼滤波 | 第21-23页 |
| ·使用卡尔曼滤波更新背景 | 第23-24页 |
| ·小结 | 第24-25页 |
| 3 人体目标分割及信息提取 | 第25-39页 |
| ·引言 | 第25页 |
| ·常用的目标区域提取方法:连通区域标记 | 第25-27页 |
| ·连通像素片拼接方法 | 第27-29页 |
| ·连通像素片拼接方法 | 第27-28页 |
| ·连通像素片拼接方法与连通区域标记方法的比较 | 第28-29页 |
| ·Mean Shift算法介绍 | 第29-33页 |
| ·基本Mean Shift | 第30-31页 |
| ·扩展的Mean Shift算法 | 第31-33页 |
| ·基于Mean Shift的目标搜索 | 第33-38页 |
| ·关联性评估函数与二值关联矩阵 | 第33-35页 |
| ·基于Mean Shitt的目标搜索 | 第35-38页 |
| ·小结 | 第38-39页 |
| 4 基于Radon变换和on-line AdaBoost的行人运动分析 | 第39-53页 |
| ·引言 | 第39页 |
| ·基于形状特征的人体运动分析识别 | 第39-43页 |
| ·特征的选取 | 第39-40页 |
| ·Radon变换 | 第40-41页 |
| ·使用归一化的Radon变换提取形状特征数据 | 第41-43页 |
| ·使用机器学习分析特征数据 | 第43-52页 |
| ·AdaBoost:自适应的提升型机器学习算法 | 第43-45页 |
| ·举例分析 | 第45-47页 |
| ·on-line Boosting:在线提升型机器学习算法 | 第47-49页 |
| ·实验与结果 | 第49-51页 |
| ·数据分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| ·本文工作总结 | 第53页 |
| ·未来工作展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |