| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 注释表 | 第10-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| ·课题研究背景及意义 | 第13-14页 |
| ·国内外发展概况 | 第14-16页 |
| ·目标检测与跟踪相关技术难点 | 第16-17页 |
| ·本文的创新点介绍及文章安排 | 第17-19页 |
| 第二章 动态背景下目标检测算法 | 第19-33页 |
| ·常用动态背景目标检测算法 | 第19-21页 |
| ·帧差法 | 第19-20页 |
| ·光流法 | 第20-21页 |
| ·背景减法 | 第21页 |
| ·背景提取算法 | 第21-25页 |
| ·点平均法 | 第22-23页 |
| ·高斯模型背景提取法 | 第23-24页 |
| ·聚类背景提取法 | 第24-25页 |
| ·改进的动态背景目标检测算法 | 第25-32页 |
| ·自适应选择视频帧范围 | 第25-26页 |
| ·聚类归并 | 第26-27页 |
| ·总体算法流程 | 第27-28页 |
| ·实验结果及分析 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 静态背景下目标检测算法研究 | 第33-42页 |
| ·GABOR 小波及数学形态学理论 | 第33-35页 |
| ·基于自适应形态学目标检测算法 | 第35-41页 |
| ·基于 GABOR 小波构建形态学结构元素 | 第35-36页 |
| ·改进形态学处理 | 第36-37页 |
| ·基于像素面积的自适应阈值选择 | 第37-39页 |
| ·实验结果 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于复杂特征融合的改进meanshift目标跟踪算法 | 第42-60页 |
| ·运动目标跟踪的常用算法 | 第42-43页 |
| ·均值转移（MEANSHIFT）算法 | 第43-48页 |
| ·均值转移算法基本思想 | 第43-45页 |
| ·运动目标的特征提取及相关匹配 | 第45-47页 |
| ·目标定位 | 第47-48页 |
| ·基于复杂特征融合的改进算法 | 第48-56页 |
| ·目标描述之颜色特征 | 第48-49页 |
| ·目标描述之纹理特征 | 第49-51页 |
| ·基于复杂特征融合的特征匹配算法 | 第51-53页 |
| ·算法流程及实验结果 | 第53-56页 |
| ·可见光下智能交通视频的应用研究 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·本文总结 | 第60页 |
| ·未来展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 在校期间发表论文及研究成果 | 第66页 |