| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-10页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题背景 | 第10-15页 |
| 1.1.1 目标检测与跟踪概述 | 第10-12页 |
| 1.1.2 目标检测与跟踪研究背景 | 第12-13页 |
| 1.1.3 目标检测与跟踪发展现状 | 第13-15页 |
| 1.2 课题研究意义 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 本文创新点 | 第17-18页 |
| 1.5 论文的组织结构 | 第18-20页 |
| 第二章 目标检测算法研究 | 第20-27页 |
| 2.1 概述 | 第20页 |
| 2.2 目标检测的基本方法 | 第20-23页 |
| 2.2.1 帧差法 | 第20-21页 |
| 2.2.2 背景减除法 | 第21-22页 |
| 2.2.3 光流法 | 第22-23页 |
| 2.3 自适应混合高斯背景模型 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 目标跟踪算法研究 | 第27-37页 |
| 3.1 概述 | 第27页 |
| 3.2 目标跟踪的贝叶斯估计建模 | 第27-30页 |
| 3.3 基于蒙特卡洛的递归贝叶斯滤波算法 | 第30-36页 |
| 3.3.1 蒙特卡洛数值采样 | 第30-31页 |
| 3.3.2 重要性采样 | 第31-32页 |
| 3.3.3 序贯重要性采样 | 第32-33页 |
| 3.3.4 粒子滤波算法 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于粒子滤波的目标跟踪算法 | 第37-53页 |
| 4.1 概述 | 第37页 |
| 4.2 相关工作 | 第37-38页 |
| 4.3 目标状态转移模型 | 第38页 |
| 4.4 目标特征建模 | 第38-40页 |
| 4.4.1 颜色模型 | 第38-39页 |
| 4.4.2 纹理模型 | 第39-40页 |
| 4.5 贝叶斯模型平均策略 | 第40-44页 |
| 4.5.1 基于贝叶斯模型平均策略的目标特征融合 | 第41-43页 |
| 4.5.2 目标模板更新 | 第43-44页 |
| 4.6 实验分析 | 第44-52页 |
| 4.7 本章小结 | 第52-53页 |
| 第五章 基于贝叶斯模型平均策略的多模型融合目标跟踪 | 第53-65页 |
| 5.1 概述 | 第53页 |
| 5.2 目标基础模型 | 第53-54页 |
| 5.3 基于贝叶斯平均策略的多模型融合 | 第54-57页 |
| 5.4 实验分析 | 第57-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 论文总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第73-74页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第74-75页 |
| 附录3 图表清单 | 第75-77页 |
| 致谢 | 第77页 |