| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·问题的提出 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·运动目标检测技术研究现状 | 第11-13页 |
| ·运动目标跟踪技术研究现状 | 第13-15页 |
| ·本文工作 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第二章 运动目标检测与跟踪技术概述 | 第17-27页 |
| ·运动目标检测算法概述 | 第17-23页 |
| ·帧差法 | 第17-19页 |
| ·减背景法 | 第19-23页 |
| ·光流法 | 第23页 |
| ·运动目标跟踪算法概述 | 第23-25页 |
| ·基于预测的跟踪方法 | 第24页 |
| ·基于特征的跟踪方法 | 第24页 |
| ·基于模型的跟踪方法 | 第24-25页 |
| ·基于区域的跟踪方法 | 第25页 |
| ·基于活动轮廓的跟踪方法 | 第25页 |
| ·小结 | 第25-27页 |
| 第三章 室外监控视频运动目标快速检测算法 | 第27-40页 |
| ·引言 | 第27页 |
| ·基于背景概率的背景重构算法 | 第27-32页 |
| ·背景重构算法简介 | 第27-28页 |
| ·加权亮度直方图计算 | 第28-29页 |
| ·背景重构 | 第29-30页 |
| ·背景重构实验结果及分析 | 第30-32页 |
| ·基于区域熵能的自适应局部动态阈值运动目标检测算法 | 第32-36页 |
| ·熵能的定义 | 第32-33页 |
| ·基于区域熵能的自适应局部阈值获取方法 | 第33-35页 |
| ·使用自适应局部阈值和区域熵能进行目标检测 | 第35-36页 |
| ·背景更新 | 第36页 |
| ·实验结果 | 第36-39页 |
| ·小结 | 第39-40页 |
| 第四章 基于预测与特征融合的运动目标跟踪算法 | 第40-61页 |
| ·引言 | 第40页 |
| ·基于kalman 滤波器的运动估计 | 第40-46页 |
| ·引言 | 第40-41页 |
| ·Kalman 滤波器的原理 | 第41-43页 |
| ·基于kalman 滤波器的轨迹预测 | 第43-45页 |
| ·实验结果及分析 | 第45-46页 |
| ·目标特征提取 | 第46-51页 |
| ·目标特征选择 | 第46-47页 |
| ·构建双层结构目标特征集 | 第47-49页 |
| ·随机边缘特征提取 | 第49-51页 |
| ·目标特征匹配 | 第51-57页 |
| ·引言 | 第51-52页 |
| ·分层匹配算法 | 第52-54页 |
| ·随机边缘特征匹配算法 | 第54-56页 |
| ·随机边缘特征匹配实验结果 | 第56-57页 |
| ·运动目标跟踪实验及结果分析 | 第57-60页 |
| ·运动目标检测与跟踪的流程描述 | 第57-58页 |
| ·实验结果及分析 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第五章 结束语 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者在学期间取得的学术成果 | 第68页 |