| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景和意义 | 第15-18页 |
| 1.1.1 安防监控 | 第16页 |
| 1.1.2 智能交通 | 第16页 |
| 1.1.3 生物识别 | 第16-17页 |
| 1.1.4 医学诊断 | 第17-18页 |
| 1.1.5 军事作战 | 第18页 |
| 1.2 国内外研究现状 | 第18-21页 |
| 1.2.1 基于特征的跟踪算法 | 第19页 |
| 1.2.2 基于模型的跟踪算法 | 第19-20页 |
| 1.2.3 基于区域的跟踪算法 | 第20-21页 |
| 1.2.4 基于轮廓的跟踪算法 | 第21页 |
| 1.3 本文工作及组织结构 | 第21-23页 |
| 第二章 基于目标检测的跟踪算法相关技术 | 第23-37页 |
| 2.1 检测算法及概述 | 第23-28页 |
| 2.1.1 帧差法 | 第23-26页 |
| 2.1.2 背景差分法 | 第26-27页 |
| 2.1.3 光流法 | 第27-28页 |
| 2.2 颜色特征描述方法 | 第28-31页 |
| 2.2.1 颜色直方图 | 第28-29页 |
| 2.2.2 颜色矩 | 第29-30页 |
| 2.2.3 颜色集 | 第30页 |
| 2.2.4 颜色聚合向量 | 第30-31页 |
| 2.2.5 颜色相关图 | 第31页 |
| 2.3 颜色空间 | 第31-35页 |
| 2.3.1 RGB颜色空间 | 第31-32页 |
| 2.3.2 HSV颜色空间 | 第32-33页 |
| 2.3.3 HSI颜色空间 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 基于卡尔曼滤波的时空上下文跟踪算法 | 第37-51页 |
| 3.1 卡尔曼滤波跟踪算法 | 第37-40页 |
| 3.1.1 卡尔曼滤波推导公式 | 第37-38页 |
| 3.1.2 基于静态背景的卡尔曼滤波算法 | 第38页 |
| 3.1.3 基于动态背景的卡尔曼滤波算法 | 第38-40页 |
| 3.2 时空上下文跟踪算法 | 第40-43页 |
| 3.2.1 STC算法实现过程 | 第40-43页 |
| 3.2.2 尺度变换 | 第43页 |
| 3.3 遮挡判断 | 第43-48页 |
| 3.3.1 目标遮挡情况 | 第44页 |
| 3.3.2 颜色直方图 | 第44-47页 |
| 3.3.3 巴氏系数 | 第47-48页 |
| 3.4 KSTC算法实现过程 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 实验及结果讨论 | 第51-63页 |
| 4.1 实验设置 | 第51-52页 |
| 4.1.1 实验环境 | 第51页 |
| 4.1.2 测试平台 | 第51页 |
| 4.1.3 参数设置 | 第51页 |
| 4.1.4 衡量标准 | 第51-52页 |
| 4.2 KSTC算法在不同参数下实验结果及讨论 | 第52-54页 |
| 4.3 KSTC算法与其它跟踪算法的实验结果及讨论 | 第54-61页 |
| 4.3.1 中心位置误差 | 第54-56页 |
| 4.3.2 成功率 | 第56-57页 |
| 4.3.3 边界框 | 第57-60页 |
| 4.3.4 帧率 | 第60-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 总结和展望 | 第63-65页 |
| 5.1 研究总结 | 第63页 |
| 5.2 研究展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |