| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·视频跟踪国内外研究现状 | 第10-12页 |
| ·目标跟踪系统模型概述 | 第12-14页 |
| ·图像目标描述模型 | 第12-13页 |
| ·图像目标动态模型 | 第13-14页 |
| ·目标状态估计模型 | 第14页 |
| ·目标跟踪面临的主要问题 | 第14-15页 |
| ·论文的主要工作及结构安排 | 第15-17页 |
| 第二章 运动目标检测算法及改进 | 第17-29页 |
| ·引言 | 第17页 |
| ·图像预处理技术 | 第17-20页 |
| ·图像去噪 | 第17-19页 |
| ·图像形态学滤波 | 第19-20页 |
| ·运动目标检测算法 | 第20-21页 |
| ·改进的运动目标检测算法 | 第21-28页 |
| ·混合高斯背景模型 | 第22-23页 |
| ·改进的背景模型更新机制 | 第23-24页 |
| ·自适应帧差的背景减除目标检测 | 第24-25页 |
| ·改进算法实验结果分析 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于 MeanShift 算法的图像目标跟踪 | 第29-40页 |
| ·引言 | 第29页 |
| ·MeanShift 算法原理 | 第29-33页 |
| ·基本 Meanshift 原理 | 第29-30页 |
| ·基于核函数的 Meanshift 原理 | 第30-33页 |
| ·MeanShift 算法在视频目标跟踪中的应用 | 第33-36页 |
| ·基于核函数直方图的 MeanShift 目标跟踪 | 第33-34页 |
| ·基于概率分布图的 MeanShift 目标跟踪 | 第34-36页 |
| ·一种基于目标检测的改进 CamShift 算法 | 第36-39页 |
| ·基本 CamShift 算法原理及存在的问题 | 第36-37页 |
| ·改进的 CamShift 算法及实验分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于粒子滤波的目标跟踪算法 | 第40-56页 |
| ·引言 | 第40页 |
| ·粒子滤波理论 | 第40-47页 |
| ·贝叶斯估计的滤波理论 | 第40-43页 |
| ·蒙特卡洛方法原理 | 第43页 |
| ·序贯重要性采样(SIS) | 第43-46页 |
| ·粒子滤波重采样技术 | 第46-47页 |
| ·粒子滤波在图像目标跟踪中的应用 | 第47-49页 |
| ·系统状态的选择和初始化 | 第47-48页 |
| ·目标运动模型的建立 | 第48页 |
| ·系统观测模型的建立 | 第48-49页 |
| ·多观测模型的粒子滤波跟踪算法 | 第49-54页 |
| ·颜色特征观测模型的建立 | 第49-50页 |
| ·边缘方向特征观测模型的建立 | 第50-51页 |
| ·观测特征融合及重采样机制 | 第51-52页 |
| ·算法实现步骤及实验分析 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 基于 MSPF 的视频目标跟踪算法研究 | 第56-69页 |
| ·引言 | 第56页 |
| ·基于颜色和运动信息的改进 MS 算法 | 第56-61页 |
| ·目标颜色特征的提取 | 第56-58页 |
| ·目标运动信息的提取 | 第58-59页 |
| ·颜色和运动信息的融合 | 第59-60页 |
| ·基于颜色和运动信息的 MS 算法 | 第60-61页 |
| ·MeanShift 粒子滤波跟踪算法的实现 | 第61-63页 |
| ·实验结果与分析 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·对未来研究的展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 发表论文和参加科研情况说明 | 第75-76页 |
| 致谢 | 第76页 |