| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·课题来源 | 第9页 |
| ·研究意义 | 第9-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·论文的创新点 | 第16-17页 |
| ·论文的研究内容及结构安排 | 第17-18页 |
| 第二章 目标检测与定位方法研究 | 第18-41页 |
| ·引言 | 第18页 |
| ·基于运动补偿的目标检测方法 | 第18-25页 |
| ·特征选取和跟踪 | 第19-21页 |
| ·变换函数的拟合 | 第21-23页 |
| ·改进的变换函数拟合方法 | 第23-24页 |
| ·基于运动补偿的目标检测结果 | 第24-25页 |
| ·改进的高斯混合背景建模检测方法 | 第25-33页 |
| ·高斯背景建模 | 第25-31页 |
| ·改进的高斯混合背景建模方法 | 第31-32页 |
| ·改进的高斯混合背景建模实验分析 | 第32-33页 |
| ·基于摄像机视角的目标定位方法 | 第33-41页 |
| ·算法基本思想 | 第34-35页 |
| ·射线方向角的确定 | 第35-36页 |
| ·基于视角的摄像机成像模型 | 第36-37页 |
| ·立体视觉定位 | 第37-39页 |
| ·实验结果及其误差分析 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第三章 基于目标和背景加权的目标跟踪方法 | 第41-61页 |
| ·引言 | 第41页 |
| ·MEAN SHIFT算法思想 | 第41-50页 |
| ·非参数密度估计 | 第41-46页 |
| ·Mean Shift算法理论 | 第46-47页 |
| ·Mean Shift算法的研究现状 | 第47-50页 |
| ·基于目标和背景加权的目标跟踪方法 | 第50-57页 |
| ·目标模型的表示 | 第50-51页 |
| ·相似度函数 | 第51-52页 |
| ·目标定位 | 第52-53页 |
| ·跟踪方法的评价 | 第53-54页 |
| ·基于目标和背景加权的跟踪算法 | 第54-57页 |
| ·实验结果及分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 基于目标中心定位和NMI特征的目标跟踪方法 | 第61-79页 |
| ·引言 | 第61页 |
| ·图像预处理 | 第61-64页 |
| ·颜色空间的转换 | 第62页 |
| ·OTSU图像阈值提取 | 第62-63页 |
| ·基于背景滤除的图像分割 | 第63-64页 |
| ·目标中心定位原理 | 第64-69页 |
| ·目标中心定位 | 第64-65页 |
| ·实验结果及分析 | 第65-66页 |
| ·多目标的中心定位 | 第66-67页 |
| ·实验效果和分析 | 第67-69页 |
| ·图像的NMI特征 | 第69-71页 |
| ·跟踪算法实现及实验结果分析 | 第71-78页 |
| ·算法实现步骤 | 第71页 |
| ·实验结果和分析 | 第71-78页 |
| ·本章小结 | 第78-79页 |
| 第五章 基于多信息融合的自适应粒子滤波目标跟踪方法 | 第79-93页 |
| ·引言 | 第79-80页 |
| ·传统粒子滤波器 | 第80-81页 |
| ·改进的粒子滤波目标跟踪算法 | 第81-88页 |
| ·建立观测模型 | 第81-84页 |
| ·多信息融合的粒子滤波算法 | 第84页 |
| ·改进的基于多信息融合的自适应粒子滤波算法 | 第84-87页 |
| ·算法的实现步骤 | 第87-88页 |
| ·基于多信息融合粒子滤波视频跟踪实验 | 第88-90页 |
| ·实验方法 | 第88页 |
| ·实验结果与分析 | 第88-90页 |
| ·基于多信息融合自适应粒子滤波视频跟踪实验 | 第90-92页 |
| ·实验方法 | 第90页 |
| ·实验结果与分析 | 第90-92页 |
| ·本章小结 | 第92-93页 |
| 第六章 总结与展望 | 第93-95页 |
| ·论文工作总结 | 第93-94页 |
| ·进一步的研究方向 | 第94-95页 |
| 参考文献 | 第95-104页 |
| 致谢 | 第104-105页 |
| 攻读博士学位期间主要的研究成果 | 第105-106页 |