| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 主要问题以及国内外研究现状 | 第13-22页 |
| 1.2.1 运动目标检测 | 第14-15页 |
| 1.2.2 运动目标跟踪 | 第15-22页 |
| 1.3 论文的主要工作及结构安排 | 第22-24页 |
| 1.3.1 本论文的主要工作 | 第22页 |
| 1.3.2 本论文的结构安排 | 第22-24页 |
| 第二章 传统的运动目标检测与跟踪技术 | 第24-41页 |
| 2.1 运动目标检测算法介绍 | 第24-28页 |
| 2.1.1 帧间差分法 | 第24-25页 |
| 2.1.2 背景差分法 | 第25-27页 |
| 2.1.3 光流法 | 第27-28页 |
| 2.2 基于背景模型的运动目标检测算法 | 第28-33页 |
| 2.2.1 背景模型 | 第29-31页 |
| 2.2.2 背景模型更新的原则及策略 | 第31-33页 |
| 2.3 基于自适应背景模型的运动目标检测 | 第33-37页 |
| 2.3.1 自适应背景模型 | 第33-35页 |
| 2.3.2 背景差分与分割 | 第35页 |
| 2.3.3 形态学方法去除噪声 | 第35-37页 |
| 2.4 实验结果与分析 | 第37-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 复杂场景下的运动目标检测 | 第41-57页 |
| 3.1 算法介绍 | 第41页 |
| 3.2 核密度函数估计理论 | 第41-45页 |
| 3.2.1 核密度函数估计定义 | 第42-43页 |
| 3.2.2 核函数的选取 | 第43-45页 |
| 3.3 核函数带宽的选择 | 第45-49页 |
| 3.3.1 带宽对密度估计的影响分析 | 第45-48页 |
| 3.3.2 最优带宽的选取 | 第48-49页 |
| 3.4 全局模型的建立 | 第49-51页 |
| 3.4.1 时空域的联合 | 第50页 |
| 3.4.2 建立前景模型的意义 | 第50-51页 |
| 3.5 实验结果与分析 | 第51-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第四章 运动目标跟踪 | 第57-71页 |
| 4.1 运动目标跟踪算法介绍 | 第57-60页 |
| 4.2 目标跟踪的关键技术 | 第60-63页 |
| 4.2.1 特征提取 | 第60-62页 |
| 4.2.2 特征匹配 | 第62-63页 |
| 4.2.3 目标位置预测 | 第63页 |
| 4.3 基于Kalman滤波的运动目标跟踪 | 第63-67页 |
| 4.3.1 Kalman滤波基本原理 | 第64-66页 |
| 4.3.2 Kalman滤波器在运动目标跟踪中的应用 | 第66-67页 |
| 4.4 实验结果与分析 | 第67-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 全文总结 | 第71页 |
| 5.2 对今后工作的展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间发表的学术论文及参加的项目 | 第78-79页 |
| 上海交通大学学位论文答辩决议书 | 第79页 |