| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 图目录 | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·国内外的研究概况 | 第12-13页 |
| ·视频目标检测算法的研究现状 | 第13-15页 |
| ·视频目标跟踪算法的研究现状 | 第15-16页 |
| ·本文主要工作 | 第16-17页 |
| ·本文的组织和结构 | 第17-19页 |
| 第二章 基于贝叶斯框架的抗瞬变光线扰动的视频目标检测算法 | 第19-32页 |
| ·引言 | 第19-20页 |
| ·基于贝叶斯框架的抗瞬变光照扰动视频目标检测算法总体框架 | 第20-21页 |
| ·基于贝叶斯框架的初步前景分割 | 第21-24页 |
| ·符号表示 | 第21页 |
| ·特征选取 | 第21-22页 |
| ·背景建模初始化 | 第22-23页 |
| ·贝叶斯推断 | 第23-24页 |
| ·后处理 | 第24页 |
| ·背景直方图更新 | 第24页 |
| ·抗瞬变光照模块 | 第24-27页 |
| ·抗阴影特性 | 第27-28页 |
| ·实验结果与分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 卡尔曼滤波在有遮挡运动目标跟踪中的研究应用 | 第32-44页 |
| ·引言 | 第32-33页 |
| ·MEAN SHIFT 跟踪算法与卡尔曼滤波器 | 第33-36页 |
| ·Mean Shift 跟踪算法 | 第33-34页 |
| ·卡尔曼滤波算法简介 | 第34-35页 |
| ·卡尔曼滤波的原理 | 第35-36页 |
| ·基于连续卡尔曼滤波的有遮挡车辆跟踪算法 | 第36-43页 |
| ·无遮挡情况下的车辆目标跟踪 | 第36-37页 |
| ·进入遮挡情况下的车辆目标跟踪 | 第37-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于 SURF 特征信息融合的粒子滤波视频目标跟踪算法 | 第44-61页 |
| ·引言 | 第44-46页 |
| ·视频跟踪问题的描述 | 第46-47页 |
| ·基于 SURF 特征的图像匹配 | 第47-48页 |
| ·基于 SURF 特征信息融合的粒子滤波视频目标跟踪算法 | 第48-54页 |
| ·粒子滤波 | 第48-49页 |
| ·状态空间及其动态转移过程 | 第49-50页 |
| ·观测模型 | 第50-51页 |
| ·融合 SURF 特征的重采样过程 | 第51-53页 |
| ·总体流程 | 第53-54页 |
| ·实验结果与分析 | 第54-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·本文所做的工作 | 第61-62页 |
| ·有待进一步解决的问题 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 答辩委员会对论文的评定意见 | 第70页 |
