| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-19页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·视觉跟踪的国内外现状 | 第9-12页 |
| ·视觉跟踪的相关技术 | 第12-17页 |
| ·经典的跟踪算法介绍 | 第12-15页 |
| ·跟踪算法存在的问题 | 第15-16页 |
| ·利用 OpenCV 实现计算机视觉跟踪 | 第16-17页 |
| ·本文的研究内容 | 第17-18页 |
| ·论文的组织结构 | 第18-19页 |
| 第二章 运动目标的检测和分割 | 第19-29页 |
| ·视频图像的预处理 | 第19-24页 |
| ·彩色图像的灰度化 | 第19-21页 |
| ·图像噪声的处理 | 第21-22页 |
| ·颜色的空间转换 | 第22-24页 |
| ·运动目标检测方法 | 第24-26页 |
| ·背景差分法 | 第24-25页 |
| ·帧间差分法 | 第25-26页 |
| ·光流法 | 第26页 |
| ·目标分割 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 改进的 CAMSHIFT 跟踪算法 | 第29-45页 |
| ·Mean Shift 原理 | 第29-33页 |
| ·Mean Shift 向量 | 第29-30页 |
| ·目标模型的确定 | 第30-31页 |
| ·候选模型 | 第31页 |
| ·相似性函数 | 第31页 |
| ·目标定位 | 第31-33页 |
| ·CamShift 跟踪算法 | 第33-36页 |
| ·反向投影的计算 | 第33-34页 |
| ·CamShift 跟踪算法的原理 | 第34-36页 |
| ·Kalman 滤波器对运动目标的预测 | 第36-42页 |
| ·Kalman 滤波器原理 | 第37-38页 |
| ·Kalman 滤波器对运动目标预测的实现 | 第38-40页 |
| ·加入 Kalman 滤波的 CamShift 算法 | 第40-42页 |
| ·仿真实验结果分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 改进的粒子跟踪算法 | 第45-56页 |
| ·粒子滤波器 | 第45-49页 |
| ·粒子滤波原理 | 第46-47页 |
| ·粒子滤波的重要度采样 | 第47-49页 |
| ·改进的粒子跟踪算法 | 第49-50页 |
| ·仿真结果分析 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 结论与展望 | 第56-57页 |
| ·结论 | 第56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 作者在攻读硕士学位期间发表的论文 | 第62-63页 |
| 个人简历 | 第63页 |