| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 选题背景和研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-11页 |
| 1.4 本文的结构安排 | 第11-12页 |
| 第2章 基本理论与相关技术 | 第12-28页 |
| 2.1 运动目标检测 | 第12-17页 |
| 2.1.1 光流法 | 第12页 |
| 2.1.2 背景减除法 | 第12-15页 |
| 2.1.3 帧差法 | 第15-17页 |
| 2.2 运动目标跟踪 | 第17-23页 |
| 2.2.1 概率密度估计 | 第17-19页 |
| 2.2.2 MeanShift理论 | 第19-22页 |
| 2.2.3 递归的贝叶斯估计 | 第22-23页 |
| 2.3 视频图像处理技术 | 第23-27页 |
| 2.3.1 图像的平滑处理 | 第23-25页 |
| 2.3.2 图像形态学处理 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于背景减除法和三帧差分法的运动目标检测 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 运动目标检测算法对比 | 第28-29页 |
| 3.3 改进的运动目标检测算法 | 第29-34页 |
| 3.3.1 改进的背景减除法 | 第30-32页 |
| 3.3.2 三帧差分法 | 第32-34页 |
| 3.4 实验结果与分析 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 融合卡尔曼滤波和MEANSHIFT的运动目标跟踪 | 第39-56页 |
| 4.1 引言 | 第39页 |
| 4.2 遮挡环境下的运动目标跟踪 | 第39-50页 |
| 4.2.1 MeanShift算法在运动目标跟踪中的应用 | 第39-45页 |
| 4.2.2 卡尔曼滤波器在运动目标跟踪中的应用 | 第45-47页 |
| 4.2.3 融合卡尔曼滤波器的MeanShift算法 | 第47-50页 |
| 4.3 实验结果与分析 | 第50-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 结论与展望 | 第56-58页 |
| 5.1 结论 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录1 攻读硕士学位期间发表的论文 | 第63页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第63页 |
