| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及算法实现功能 | 第8-9页 |
| ·算法实现功能 | 第8-9页 |
| ·研究意义 | 第9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文所做主要工作及论文的组织架构 | 第10-12页 |
| 第二章 全景（panorama）图像拼接技术 | 第12-44页 |
| ·全景图生成模型 | 第12-20页 |
| ·立方体模型投影视觉平面 | 第12-14页 |
| ·柱面模型投影 | 第14-17页 |
| ·球面模型投影 | 第17-19页 |
| ·各种模型投影优缺点对比 | 第19-20页 |
| ·图像预处理 | 第20-22页 |
| ·图像拼接与缝合 | 第22-25页 |
| ·SIFT 特征点提取 | 第25-31页 |
| ·检测尺度空间的极值点 | 第25-27页 |
| ·精确定位极值点的位置 | 第27-28页 |
| ·指定向量参数 | 第28-30页 |
| ·SIFT 描述符生成 | 第30-31页 |
| ·SIFT 特征点精确匹配 | 第31-35页 |
| ·Nearest Neighbor（最邻近）算法 | 第31-32页 |
| ·K-D 树 | 第32-33页 |
| ·Best Bin First（BBF）算法 | 第33-35页 |
| ·全景图像融合拼接 | 第35-42页 |
| ·随机抽验一致性（Random Sample Consensus，RANSAC）算法 | 第35-37页 |
| ·非线性优（Levenberg-Marquardt，LM）算法 | 第37页 |
| ·图像融合拼接 | 第37-41页 |
| ·全景图像拼接方式 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第三章 基于拼接图像的运动物体检测与跟踪识别 | 第44-63页 |
| ·运动物体实时检测 | 第44-47页 |
| ·基于光流法的运动物体实时检测 | 第44-45页 |
| ·帧图像间差分算法 | 第45-46页 |
| ·基于背景差检测 | 第46-47页 |
| ·基于背景差的运动物体实时检测 | 第47-54页 |
| ·背景提取 | 第49-52页 |
| ·运动物体检测 | 第52-54页 |
| ·运动物体跟踪与识别 | 第54-59页 |
| ·TLD 跟踪 | 第55-57页 |
| ·CAMSHIFT 跟踪 | 第57-59页 |
| ·多目标识别 | 第59-62页 |
| ·基于以马尔可夫模型的分类器 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第四章 算法实现与实验结果 | 第63-69页 |
| ·基于 SIFT 的全景图像拼接 | 第64-67页 |
| ·基于拼接图像的运动物体检测与跟踪识别 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 本文工作总结 | 第69页 |
| 未来工作展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 附录 攻读硕士学位期间撰写的论文 | 第73-74页 |
| 致谢 | 第74页 |