| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文章节结构安排 | 第14-16页 |
| 第二章 视频中运动目标的检测与跟踪 | 第16-29页 |
| 2.1 常用目标检测算法 | 第16-19页 |
| 2.1.1 帧间差分法 | 第16-17页 |
| 2.1.2 光流法 | 第17-18页 |
| 2.1.3 背景差分法 | 第18-19页 |
| 2.2 背景建模 | 第19-23页 |
| 2.2.1 常用背景建模方法 | 第19-20页 |
| 2.2.2 本文背景建模及更新方法 | 第20-22页 |
| 2.2.3 背景建模实验结果 | 第22-23页 |
| 2.3 运动目标检测 | 第23-27页 |
| 2.3.1 背景差分 | 第23页 |
| 2.3.2 二值化处理 | 第23-24页 |
| 2.3.3 阴影检测及消除 | 第24-26页 |
| 2.3.4 运动目标区域标识 | 第26-27页 |
| 2.4 运动目标跟踪 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 运动目标分类理论 | 第29-37页 |
| 3.1 运动目标分类基本方法 | 第29-30页 |
| 3.1.1 基于静态特征的目标分类方法 | 第29-30页 |
| 3.1.2 基于运动特征的目标分类方法 | 第30页 |
| 3.2 图像特征描述 | 第30-33页 |
| 3.2.1 静态特征描述 | 第30-32页 |
| 3.2.2 动态特征描述 | 第32-33页 |
| 3.3 目标分类技术 | 第33-36页 |
| 3.3.1 特征提取 | 第33-34页 |
| 3.3.2 分类器设计 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于改进霍夫森林的运动目标分类 | 第37-53页 |
| 4.1 霍夫森林算法 | 第37-39页 |
| 4.1.1 随机森林 | 第37-38页 |
| 4.1.2 广义霍夫变换 | 第38-39页 |
| 4.2 霍夫森林分类器 | 第39-46页 |
| 4.2.1 特征选择 | 第39-43页 |
| 4.2.2 训练数据 | 第43页 |
| 4.2.3 二值测试函数 | 第43-44页 |
| 4.2.4 不确定度 | 第44-46页 |
| 4.3 改进的霍夫投票策略 | 第46-48页 |
| 4.4 实验结果与分析 | 第48-50页 |
| 4.5 目标分类算法流程 | 第50-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 实验结果与分析 | 第53-60页 |
| 5.1 实验步骤 | 第53页 |
| 5.2 实验结果及分析 | 第53-59页 |
| 5.2.1 实验一——不同大小图片块、训练样本数对目标分类的影响 | 第54-57页 |
| 5.2.2 实验二——基于帧图像的目标分类验证实验 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录1 攻读硕士学位期间申请的专利 | 第65-66页 |
| 致谢 | 第66页 |