| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-22页 |
| ·选题背景和目的 | 第8页 |
| ·目标检测算法综述 | 第8-15页 |
| ·基本概念 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·目标检测算法的研究难点 | 第14-15页 |
| ·视觉目标跟踪算法综述 | 第15-20页 |
| ·跟踪算法组成 | 第15-18页 |
| ·国内外研究现状 | 第18-19页 |
| ·目标跟踪算法的研究难点 | 第19-20页 |
| ·本文创新点 | 第20页 |
| ·论文结构 | 第20-22页 |
| 第2章 理论基础 | 第22-28页 |
| ·光流法简介 | 第22-23页 |
| ·LK 稀疏光流法 | 第22-23页 |
| ·图像金字塔 | 第23页 |
| ·Mean Shift 算法简介 | 第23-25页 |
| ·Mean Shift 算法的起源 | 第23-24页 |
| ·Mean Shift 算法的迭代过程 | 第24-25页 |
| ·粒子滤波方法简介 | 第25-26页 |
| ·粒子滤波的概念 | 第25-26页 |
| ·粒子滤波的定义 | 第26页 |
| ·Integral Image 算法简介 | 第26-27页 |
| ·Integral Image 的起源 | 第26页 |
| ·Integral Image 的计算步骤 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于光流法的运动目标检测方法 | 第28-52页 |
| ·引言 | 第28页 |
| ·算法步骤 | 第28-39页 |
| ·基于局部方差的背景采样方法 | 第28-31页 |
| ·基于 Mean Shift 的背景运动估计 | 第31-32页 |
| ·目标显著性估计 | 第32-36页 |
| ·参数讨论 | 第36-39页 |
| ·实验与分析 | 第39-51页 |
| ·实验设计 | 第39页 |
| ·实验测试 | 第39-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 视觉目标跟踪方法 | 第52-67页 |
| ·引言 | 第52页 |
| ·算法步骤 | 第52-59页 |
| ·正负样本的采样 | 第52-53页 |
| ·提取样本特征和目标描述方法 | 第53-55页 |
| ·特征压缩 | 第55-57页 |
| ·目标搜索与跟踪 | 第57-58页 |
| ·目标特征更新 | 第58-59页 |
| ·实验与分析 | 第59-66页 |
| ·实验设计 | 第59页 |
| ·实验测试 | 第59-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 基于 Box Filter 的局部方差快速计算方法 | 第67-72页 |
| ·引言 | 第67页 |
| ·Box Filter 算法简述 | 第67-68页 |
| ·本文提出的基于 Box Filter 的局部方差快速计算方法 | 第68页 |
| ·本章算法在其它特征计算时的应用 | 第68-70页 |
| ·本章算法与其它算法的时间消耗对比 | 第70页 |
| ·本章小结 | 第70-72页 |
| 第6章 本文总结 | 第72-74页 |
| ·本文工作总结 | 第72-73页 |
| ·本文展望与未来工作 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间所发表的论文 | 第80-81页 |
| 致谢 | 第81页 |