| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究状况 | 第8-10页 |
| 1.2.1 国外发展状况 | 第8-9页 |
| 1.2.2 国内发展状况 | 第9-10页 |
| 1.3 存在的问题 | 第10页 |
| 1.4 本文研究的主要内容 | 第10-12页 |
| 第2章 运动车辆的检测算法 | 第12-34页 |
| 2.1 常用的运动车辆检测算法 | 第12-19页 |
| 2.1.1 帧间差分法 | 第12-15页 |
| 2.1.2 平均背景差分法 | 第15-16页 |
| 2.1.3 光流法 | 第16-18页 |
| 2.1.4 混合高斯法 | 第18-19页 |
| 2.2 基于codebook的运动目标检测算法 | 第19-28页 |
| 2.2.1 codebook模型 | 第19-21页 |
| 2.2.2 颜色空间的分析 | 第21-24页 |
| 2.2.3 背景模型的改进 | 第24-25页 |
| 2.2.4 训练与检测 | 第25-28页 |
| 2.3 实验结果与分析 | 第28-32页 |
| 2.3.1 运动车辆的检测 | 第28-29页 |
| 2.3.2 车辆阴影的去除 | 第29-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 基于颜色与纹理特征的Cam Shift跟踪算法 | 第34-49页 |
| 3.1 基于颜色特征的Cam Shift跟踪算法 | 第34-42页 |
| 3.1.1 目标的颜色模型 | 第34-36页 |
| 3.1.2 直方图反向投影 | 第36-37页 |
| 3.1.3 Mean Shift算法 | 第37-40页 |
| 3.1.4 Cam Shift算法 | 第40-42页 |
| 3.2 基于颜色与纹理特征的Cam Shift跟踪算法 | 第42-47页 |
| 3.2.1 LBP纹理特征 | 第42-44页 |
| 3.2.2 LTP纹理特征 | 第44-45页 |
| 3.2.3 目标建模 | 第45-46页 |
| 3.2.4 算法描述 | 第46-47页 |
| 3.3 实验结果与分析 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 基于Kalman滤波的Cam Shift跟踪算法 | 第49-61页 |
| 4.1 Kalman滤波器 | 第49-51页 |
| 4.2 Kalman滤波跟踪 | 第51-53页 |
| 4.3 基于Kalman滤波的Cam Shift跟踪算法 | 第53-60页 |
| 4.3.1 自适应因子 | 第54页 |
| 4.3.2 目标严重遮挡下跟踪算法的实现 | 第54-57页 |
| 4.3.3 相似物体干扰下跟踪算法的实现 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士期间发表论文和参加的项目 | 第68-69页 |
