| 中文摘要 | 第1-11页 |
| 英文摘要 | 第11-15页 |
| 第一篇： 基础理论篇 | 第15-57页 |
| 第一章 绪论 | 第15-27页 |
| 1．1 研究背景及意义 | 第15-17页 |
| 1．2 相关运动目标视频序列处理技术发展动态 | 第17-22页 |
| 1．3 本文主要工作与研究成果 | 第22-24页 |
| 1．4 论文安排 | 第24-27页 |
| 第二章 摄像机成像、目标·背景·噪声模型 | 第27-39页 |
| 2．1 摄像机模型与速度场模型分析 | 第27-33页 |
| 2．2 视频序列运动目标·背景·噪声模型分析 | 第33-36页 |
| 2．3 噪声模型分布特性研究 | 第36-37页 |
| 2．4 本章小结 | 第37-39页 |
| 第三章 缓变场景视频序列自适应背景学习与高速运动目标、背景分层 | 第39-57页 |
| 3．1 邻帧差分运动检测技术性能分析 | 第40-43页 |
| 3．2 自适应背景学习技术 | 第43-50页 |
| 3．3 基于自适应背景学习的运动目标分割技术 | 第50页 |
| 3．4 测试结果与分析 | 第50-55页 |
| 3．5 本章小结 | 第55-57页 |
| 第二篇： 关键技术实现篇 | 第57-105页 |
| 第四章 动目标紧支域几何特征快速提取技术 | 第57-69页 |
| 4．1 研究背景及意义 | 第57页 |
| 4．2 动目标紧支连通域划分模型与几何特征描述 | 第57-61页 |
| 4．3 部分几何特征参数快速提取技术实现 | 第61-66页 |
| 4．4 计算机仿真与分析 | 第66-67页 |
| 4．5 本章小结 | 第67-69页 |
| 第五章 运动目标紧支域轮廓宏形状特征点集识别系统 | 第69-81页 |
| 5．1 多目标宏形状描述理论与检测方案 | 第69-73页 |
| 5．2 多目标宏形状检测器软件算法实现 | 第73-78页 |
| 5．3 运动目标宏形状识别与匹配技术 | 第78-80页 |
| 5．4 本章小结 | 第80-81页 |
| 第六章 紧支域轮廓分段波动度目标识别技术 | 第81-95页 |
| 6．1 研究背景及意义 | 第81-82页 |
| 6．2 目标形状波动度特征模型 | 第82-85页 |
| 6．3 基于波动度特征的运动区域求精分割技术 | 第85-89页 |
| 6．4 基于波动度特征的异类运动目标识别、过滤技术 | 第89-93页 |
| 6．5 本章小结 | 第93-95页 |
| 第七章 视频序列多运动状态检测与跟踪技术 | 第95-105页 |
| 7．1 研究背景及意义 | 第95-96页 |
| 7．2 多目标区域检测技术 | 第96-98页 |
| 7．3 多目标运动状态估计与辩识技术 | 第98-101页 |
| 7．4 多状态辩识与跟踪调整技术 | 第101-103页 |
| 7．5 测试结果与分析 | 第103-104页 |
| 7．6 本章小结 | 第104-105页 |
| 第三篇： 系统应用篇 | 第105-131页 |
| 第八章 汽车通道、路口车流信息视频检测技术 | 第105-123页 |
| 8．1 问题的提出 | 第105页 |
| 8．2 车流信息数字视频检测系统任务与基本结构 | 第105-107页 |
| 8．3 汽车通道交通状态及参数描述 | 第107-108页 |
| 8．4 各交通状态下交通信息参数检测技术实现 | 第108-111页 |
| 8．5 牌号识别技术 | 第111-118页 |
| 8．6 测试结果与分析 | 第118-121页 |
| 8．7 本章小结 | 第121-123页 |
| 第九章 静态实体视频序列可视防护、异常检测与按内容分析技术 | 第123-131页 |
| 9．1 任务与功能框图实现 | 第123-124页 |
| 9．2 可视静态防护与异常状态检测技术 | 第124-125页 |
| 9．3 静态可视防护视频检索与高效编码技术 | 第125-128页 |
| 9．4 计算机仿真与结果测试 | 第128-130页 |
| 9．5 本章小结 | 第130-131页 |
| 全文总结 | 第131-135页 |
| 致谢 | 第135-136页 |
| 作者近年来已发表、已录用和已投稿的论文 | 第136-137页 |
| 参考文献 | 第137-146页 |
