| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的框架结构 | 第13-15页 |
| 第2章 图像预处理及特征点介绍 | 第15-25页 |
| 2.1 图像预处理 | 第15-18页 |
| 2.1.1 去噪 | 第15-17页 |
| 2.1.2 直方图均衡化 | 第17-18页 |
| 2.2 SIFT相关知识介绍 | 第18-24页 |
| 2.2.1 SIFT算法 | 第19-22页 |
| 2.2.2 图像特征描述子及比较 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于GMM的运动目标检测算法 | 第25-45页 |
| 3.1 常用的目标检测方法 | 第25-26页 |
| 3.1.1 光流法 | 第25页 |
| 3.1.2 帧间差分 | 第25页 |
| 3.1.3 背景差分 | 第25-26页 |
| 3.2 GMM背景建模算法 | 第26-29页 |
| 3.2.1 混合高斯模型建模 | 第26-27页 |
| 3.2.2 混合高斯模型的匹配与更新 | 第27-28页 |
| 3.2.3 混合高斯模型的分类与前景检测 | 第28-29页 |
| 3.3 融合了边缘检测的改进GMM背景建模算法 | 第29-36页 |
| 3.3.1 SUSAN算子 | 第29-31页 |
| 3.3.2 边缘检测算子比较与分析 | 第31-33页 |
| 3.3.3 对GMM背景建模算法的改进 | 第33-34页 |
| 3.3.4 改进GMM背景建模算法与边缘检测的融合 | 第34-36页 |
| 3.4 实验与分析 | 第36-43页 |
| 3.4.1 传统的GMM背景建模算法的检测结果 | 第36-37页 |
| 3.4.2 本文的运动目标检测算法检测结果 | 第37-41页 |
| 3.4.3 实验数据分析 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于SIFT和MS的跟踪算法 | 第45-59页 |
| 4.1 Mean Shift向量 | 第45-46页 |
| 4.2 MS跟踪算法 | 第46-48页 |
| 4.2.1 目标模型和候选模型 | 第47-48页 |
| 4.2.2 相似性度量和目标定位 | 第48页 |
| 4.3 融合SIFT的MS跟踪算法 | 第48-52页 |
| 4.3.1 SIFT特征提取及特征匹配 | 第49-50页 |
| 4.3.2 SIFT跟踪结果的计算 | 第50-51页 |
| 4.3.3 MS和SIFT结果融合 | 第51页 |
| 4.3.4 融合SIFT的MS跟踪算法流程 | 第51-52页 |
| 4.4 实验与分析 | 第52-58页 |
| 4.4.1 MS算法跟踪结果 | 第53-54页 |
| 4.4.2 融合SIFT的MS算法跟踪结果 | 第54-55页 |
| 4.4.3 实验数据分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 引入仿射变换的运动目标跟踪算法 | 第59-73页 |
| 5.1 仿射变换 | 第59-60页 |
| 5.2 引入仿射变换的MS运动目标跟踪算法 | 第60-64页 |
| 5.2.1 平移向量的估计 | 第61-62页 |
| 5.2.2 旋转角度的估计 | 第62-63页 |
| 5.2.3 引入仿射变换的MS跟踪算法 | 第63-64页 |
| 5.3 融合SIFT特征的仿射MS跟踪算法 | 第64-67页 |
| 5.3.1 SIFT仿射参数求解 | 第64-65页 |
| 5.3.2 融合算法 | 第65-67页 |
| 5.4 实验与分析 | 第67-71页 |
| 5.4.1 没引入仿射变换的改进MS算法的跟踪结果 | 第67-68页 |
| 5.4.2 引入仿射变换后的改进MS算法的跟踪结果 | 第68-69页 |
| 5.4.3 实验数据分析 | 第69-71页 |
| 5.5 本章小结 | 第71-73页 |
| 第6章 总结和展望 | 第73-77页 |
| 6.1 本文总结 | 第73-74页 |
| 6.2 研究展望 | 第74-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |
