| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题来源和意义 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-11页 |
| 1.3 多目标跟踪中的关键问题 | 第11-12页 |
| 1.4 本文所做工作 | 第12页 |
| 1.5 论文结构安排 | 第12-14页 |
| 第2章 视频监控中的运动目标检测算法 | 第14-26页 |
| 2.1 常用的目标检测算法 | 第14-17页 |
| 2.1.1 帧间差分法 | 第14-15页 |
| 2.1.2 光流法 | 第15-16页 |
| 2.1.3 背景消除法 | 第16-17页 |
| 2.2 改进的 MRBM 背景描述模型 | 第17-25页 |
| 2.2.1 Mean Shift 原理 | 第17-20页 |
| 2.2.2 区域相关的 MRBM 背景建模算法 | 第20-23页 |
| 2.2.3 实验结果 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于 Camshift 的粒子滤波多目标跟踪 | 第26-43页 |
| 3.1 常用的目标跟踪算法 | 第26-28页 |
| 3.2 粒子滤波器 | 第28-32页 |
| 3.2.1 贝叶斯滤波理论 | 第28-29页 |
| 3.2.2 粒子滤波原理 | 第29-32页 |
| 3.3 粒子滤波在多目标跟踪中的应用 | 第32-35页 |
| 3.3.1 系统的状态转换模型 | 第32-33页 |
| 3.3.2 目标模型的设计 | 第33-34页 |
| 3.3.3 更新粒子权重 | 第34-35页 |
| 3.3.4 目标位置的确定 | 第35页 |
| 3.3.5 粒子重采样 | 第35页 |
| 3.4 粒子滤波跟踪实验结果 | 第35-37页 |
| 3.4.1 直观效果图 | 第35-36页 |
| 3.4.2 粒子滤波器运行时间分析 | 第36-37页 |
| 3.5 基于 Camshift 的粒子滤波算法 | 第37-42页 |
| 3.5.1 Camshift 算法原理 | 第37-40页 |
| 3.5.2 基于 Camshift 粒子滤波算法原理 | 第40-41页 |
| 3.5.3 算法描述 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 本文的多目标检测和跟踪系统 | 第43-49页 |
| 4.1 本文建立的系统 | 第43-45页 |
| 4.2 实验结果 | 第45-48页 |
| 4.2.1 直观效果图 | 第45-47页 |
| 4.2.2 算法的执行时间比较 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 本文所作的主要工作 | 第49页 |
| 5.2 工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间取得的科研成果 | 第55页 |