| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题背景和意义 | 第9-10页 |
| ·国内外研究现状分析及研究 | 第10-11页 |
| ·视频目标跟踪的关键问题 | 第11-13页 |
| ·论文的研究创新点及章节安排 | 第13-16页 |
| 第二章 基本理论算法 | 第16-28页 |
| ·引言 | 第16-17页 |
| ·MEAN SHIFT 理论 | 第17-23页 |
| ·无参密度估计 | 第17-18页 |
| ·Meanshift 核密度估计 | 第18-19页 |
| ·Mean-shift 算法概率密度梯度及 Mean-shift 向量 | 第19-22页 |
| ·Mean-shift 收敛定理证明 | 第22-23页 |
| ·帧差法 | 第23-25页 |
| ·帧差法的分析和原理 | 第23-24页 |
| ·帧差图像的形态学处理 | 第24-25页 |
| ·KALMAN 滤波器 | 第25-28页 |
| ·预估器 | 第25-26页 |
| ·卡尔曼滤波器原理 | 第26-28页 |
| 第三章 视频人体目标跟踪相关算法研究 | 第28-40页 |
| ·引言 | 第28-29页 |
| ·粒子滤波算法理论及分析 | 第29-35页 |
| ·贝叶斯滤波原理 | 第30-31页 |
| ·蒙特卡罗方法 | 第31-32页 |
| ·序贯粒子滤波算法 | 第32-34页 |
| ·退化现象及重采样方法 | 第34-35页 |
| ·粒子滤波算法的描述 | 第35页 |
| ·光流跟踪 | 第35-40页 |
| ·光流原理 | 第36-38页 |
| ·使用光流对目标跟踪 | 第38-40页 |
| 第四章 利用 KALMAN 和帧差法改进 MEANSHIFT 算法设计 | 第40-57页 |
| ·基于 MEANSHIFT 的目标跟踪算法 | 第40-43页 |
| ·Meanshift 跟踪原理 | 第40-42页 |
| ·Meanshift 视频跟踪应用以及优缺点分析 | 第42-43页 |
| ·结合 KALMAN 和帧差法新的 MEANSHIFT 跟踪方法设计 | 第43-57页 |
| ·Kalman 滤波器人体目标信息预估 | 第43-45页 |
| ·帧差法原理及运动目标候选区域的确定 | 第45-47页 |
| ·利用 Kalman 和帧差法改进 Meanshift 算法的框架设计 | 第47-50页 |
| ·控帧快速跟踪的设计 | 第50-52页 |
| ·MeanShift 跟踪实验及改进 Meanshift 算法实验 | 第52-54页 |
| ·视频人体目标持久快速跟踪实验 | 第54-56页 |
| ·结论 | 第56-57页 |
| 第五章 基于肢体的人体动作识别 | 第57-67页 |
| ·人体动作识研究 | 第57-59页 |
| ·基于肢体的人体动作思考及三个特征描述子 | 第59-61页 |
| ·基于关节描述的人体姿势与时空块语义特征的人体动作识别方法 | 第61-67页 |
| 第六章 总结 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 读硕士学位期间已发表或录用的论文 | 第74-75页 |
| 攻读硕士学位期间参加的课题 | 第75页 |
