| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题的背景及意义 | 第10-11页 |
| 1.2 运动目标跟踪研究现状 | 第11-16页 |
| 1.2.1 运动目标跟踪基本方法 | 第12-15页 |
| 1.2.2 运动目标跟踪技术难点 | 第15-16页 |
| 1.3 运动目标跟踪的步骤 | 第16-17页 |
| 1.4 本文的工作及任务安排 | 第17-20页 |
| 1.4.1 论文主要工作 | 第17-18页 |
| 1.4.2 论文结构安排 | 第18-20页 |
| 第二章 MEAN SHIFT算法理论基础 | 第20-33页 |
| 2.1 概率密度估计 | 第20-24页 |
| 2.1.1 参数估计 | 第21-22页 |
| 2.1.2 非参密度估计 | 第22-24页 |
| 2.2 核密度估计 | 第24-26页 |
| 2.2.1 核函数 | 第24-25页 |
| 2.2.2 核密度估计原理 | 第25-26页 |
| 2.3 MEAN SHIFT算法 | 第26-32页 |
| 2.3.1 多维情况下的核密度估计 | 第26-28页 |
| 2.3.2 核密度梯度估计与MEAN SHIFT特征向量 | 第28-29页 |
| 2.3.3 MEAN SHIFT算法在图像处理方面的应用 | 第29-32页 |
| 2.4 本章小节 | 第32-33页 |
| 第三章 基于MEAN SHIFT的运动目标跟踪算法 | 第33-40页 |
| 3.1 目标模型的描述 | 第33-34页 |
| 3.2 候选模型的描述 | 第34页 |
| 3.3 Bhattacharyya系数 | 第34-35页 |
| 3.4 定位目标 | 第35页 |
| 3.5 Ca-MEAN-SHIFT算法实现过程 | 第35-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于MEAN SHIFT的多模板目标跟踪算法 | 第40-52页 |
| 4.1 验证多模板优越性 | 第40-43页 |
| 4.2 多模板的MEAN SHIFT算法设计 | 第43-47页 |
| 4.2.1 模板库的构建 | 第43-45页 |
| 4.2.2 模板库的更新 | 第45-47页 |
| 4.3 实验分析 | 第47-51页 |
| 4.3.1 室内目标突变实验效果 | 第47-48页 |
| 4.3.2 室外目标遮挡实验效果 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 基于SIFT的多模板目标跟踪算法 | 第52-62页 |
| 5.1 SIFT特征点提取 | 第53-55页 |
| 5.1.1 DoG差分金字塔 | 第53-54页 |
| 5.1.2 特征点的搜索 | 第54-55页 |
| 5.2 特征描述子 | 第55-56页 |
| 5.2.1 特征点方向分配 | 第55-56页 |
| 5.2.2 特征向量的生成 | 第56页 |
| 5.3 加入SIFT特征后的多模板算法 | 第56-58页 |
| 5.4 实验结果分析 | 第58-60页 |
| 5.5 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |
