| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本课题主要研究内容 | 第9-10页 |
| 1.4 论文结构安排 | 第10-11页 |
| 第二章 复杂背景下的运动目标检测方法 | 第11-30页 |
| 2.1 各种运动目标检测方法分析研究 | 第11-13页 |
| 2.2 分形理论基础 | 第13-20页 |
| 2.2.1 分形理论来源 | 第13页 |
| 2.2.2 Hausdorff 测度与维数 | 第13-15页 |
| 2.2.3 计盒维数 | 第15-17页 |
| 2.2.4 地毯覆盖法 | 第17-19页 |
| 2.2.5 分数布朗运动模型 | 第19-20页 |
| 2.3 基于分形误差的目标边缘检测算法 | 第20-24页 |
| 2.3.1 图像去噪 | 第20-21页 |
| 2.3.2 自然背景消除 | 第21-22页 |
| 2.3.3 基于分形误差的目标边缘检测算法 | 第22-24页 |
| 2.4 基于分形特征的目标检测算法 | 第24-30页 |
| 2.4.1 改进的地毯覆盖法 | 第24-26页 |
| 2.4.2 基于分形特征的目标检测算法 | 第26页 |
| 2.4.3 仿真与结果分析 | 第26-30页 |
| 第三章 复杂背景下的运动目标跟踪方法 | 第30-49页 |
| 3.1 各种运动目标跟踪算法分析研究 | 第30-31页 |
| 3.2 粒子滤波算法基础 | 第31-35页 |
| 3.2.1 非线性状态空间模型 | 第31页 |
| 3.2.2 贝叶斯估计理论 | 第31-32页 |
| 3.2.3 蒙特卡罗积分 | 第32页 |
| 3.2.4 序列重要性采样 | 第32-33页 |
| 3.2.5 重采样 | 第33-34页 |
| 3.2.6 粒子滤波算法 | 第34-35页 |
| 3.3 基于颜色特征的粒子滤波跟踪算法 | 第35-40页 |
| 3.3.1 运动目标模型 | 第35-36页 |
| 3.3.2 颜色观测模型 | 第36-38页 |
| 3.3.3 基于颜色特征的粒子滤波跟踪算法 | 第38-40页 |
| 3.4 基于多特征自适应融合的粒子滤波跟踪算法 | 第40-46页 |
| 3.4.1 特征提取 | 第40-42页 |
| 3.4.2 基于多特征融合的观测模型 | 第42页 |
| 3.4.3 自适应权值 | 第42-43页 |
| 3.4.4 动态参数设置 | 第43-44页 |
| 3.4.5 基于多特征自适应融合的粒子滤波跟踪算法 | 第44-46页 |
| 3.5 仿真与结果分析 | 第46-49页 |
| 第四章 目标检测与跟踪方法在视频监控系统中的实现 | 第49-54页 |
| 4.1 视频监控系统硬件设计 | 第49-50页 |
| 4.2 视频监控系统软件设计 | 第50-52页 |
| 4.3 系统测试及结果分析 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 论文工作总结 | 第54-55页 |
| 5.2 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表论文 | 第59-60页 |
| 致谢 | 第60-61页 |
| 详细摘要 | 第61-65页 |