| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1. 绪论 | 第10-14页 |
| ·论文的背景及意义 | 第10-11页 |
| ·目标识别与跟踪技术的发展现状 | 第11-13页 |
| ·本文的结构安排 | 第13-14页 |
| 2. 图像预处理及运动目标检测 | 第14-26页 |
| ·图像噪声及常用平滑算法 | 第14-17页 |
| ·均值滤波 | 第16页 |
| ·中值滤波 | 第16-17页 |
| ·自适应滤波 | 第17-21页 |
| ·调整矩阵 | 第17页 |
| ·混合噪声滤波基本思想 | 第17-18页 |
| ·算法描述 | 第18-19页 |
| ·仿真及结论 | 第19-21页 |
| ·运动目标检测 | 第21-24页 |
| ·静止背景下的运动目标检测 | 第21-22页 |
| ·运动背景下的运动目标检测 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 3. 运动目标识别方法 | 第26-39页 |
| ·Haar-Like 特征 | 第26-29页 |
| ·Haar-Like 特征概述 | 第26-28页 |
| ·Haar-Like 特征提取 | 第28-29页 |
| ·积分图象 | 第29-31页 |
| ·弱分类器 | 第31-32页 |
| ·AdaBoost 算法 | 第32-38页 |
| ·AdaBoost 算法概述 | 第32页 |
| ·AdaBoost 算法的训练过程 | 第32-36页 |
| ·AdaBoost 实验及结果 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4. 动态目标跟踪方法 | 第39-56页 |
| ·颜色空间模型 | 第39-42页 |
| ·RGB 颜色空间 | 第40页 |
| ·HSV 颜色空间 | 第40-41页 |
| ·RGB 颜色空间到HSV 颜色空间的转换 | 第41-42页 |
| ·基于均值平移算法的目标搜索 | 第42-46页 |
| ·camshift 算法描述 | 第44-46页 |
| ·kalman 滤波 | 第46-49页 |
| ·卡尔曼滤波方法分析 | 第47页 |
| ·使用卡尔曼滤波器 | 第47-49页 |
| ·基于kalman 目标位置估计的camshift 算法 | 第49-52页 |
| ·遮挡问题 | 第51-52页 |
| ·基于 OpenCV 的目标自动跟踪试验 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 5. 动态目标识别与跟踪设计与实现 | 第56-70页 |
| ·本文所集成识别与跟踪系统的组成 | 第56-59页 |
| ·系统的总体组成及工作原理 | 第56-57页 |
| ·所组成实验室系统功能及性能分析 | 第57-59页 |
| ·摄像机及视频采集模块 | 第59-62页 |
| ·摄像机 | 第59-61页 |
| ·视频图像的采集 | 第61-62页 |
| ·云台控制模块 | 第62-66页 |
| ·云台控制原理 | 第63-64页 |
| ·利用MSComm 控件对串口进行控制 | 第64-65页 |
| ·解码器对云台、镜头的控制 | 第65-66页 |
| ·图像处理模块 | 第66-67页 |
| ·实验结果 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 6. 结论 | 第70-71页 |
| ·本文研究成果 | 第70页 |
| ·未来工作及展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第75-76页 |
| 致谢 | 第76页 |