| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| 1．1 研究背景 | 第9-10页 |
| 1．2 国外发展现状 | 第10-11页 |
| 1．3 国内发展现状 | 第11-12页 |
| 1．4 论文的研究方向 | 第12页 |
| 1．5 论文的组织结构 | 第12-14页 |
| 第二章 基于图像交通检测系统的分析 | 第14-18页 |
| 2．1 基于图像识别技术的交通参数视频检测方法的分析 | 第14页 |
| 2．2 系统结构 | 第14-15页 |
| 2．3 DirectShow技术分析 | 第15-17页 |
| 2．4 小结 | 第17-18页 |
| 第三章 运动目标检测 | 第18-39页 |
| 3．1 视频图像的分析 | 第18页 |
| 3．2 视频跟踪检测方法 | 第18-24页 |
| 3．2．1 差分图像 | 第19页 |
| 3．2．2 三元运动描述 | 第19-20页 |
| 3．2．3 累积差分图像 | 第20-21页 |
| 3．2．4 图像变化检测 | 第21页 |
| 3．2．5 运动边缘检测 | 第21页 |
| 3．2．6 时空运动的频域分析 | 第21-22页 |
| 3．2．7 光流法 | 第22-24页 |
| 3．3 背景抽取方法 | 第24-29页 |
| 3．3．1 预处理 | 第24-25页 |
| 3．3．2 背景建模 | 第25-28页 |
| 3．3．2．1 非回归技术 | 第26-27页 |
| 3．3．2．2 回归技术 | 第27-28页 |
| 3．3．3 前景探测 | 第28页 |
| 3．3．4 数据确认 | 第28-29页 |
| 3．4 混合高斯背景模型 | 第29-37页 |
| 3．4．1 联机混合模型 | 第30-32页 |
| 3．4．2 背景模型估计 | 第32-33页 |
| 3．4．3 连通体 | 第33-34页 |
| 3．4．5 形态滤波 | 第34-37页 |
| 3．4．5．1 二值膨胀运算 | 第35页 |
| 3．4．5．2 二值腐蚀运算 | 第35页 |
| 3．4．5．3 二值开运算 | 第35-36页 |
| 3．4．5．4 二值闭运算 | 第36页 |
| 3．4．5．5 结构元素选取 | 第36-37页 |
| 3．5 结果展示 | 第37-39页 |
| 第四章 基于卡尔曼滤波的目标跟踪 | 第39-55页 |
| 4．1 卡尔曼率波模型(kalman filter) | 第39-49页 |
| 4．1．1 离散卡尔曼滤波 | 第40-44页 |
| 4．1．1．1 估计过程 | 第40-41页 |
| 4．1．1．2 模型计算 | 第41-42页 |
| 4．1．1．3 概率分布 | 第42页 |
| 4．1．1．4 离散卡尔曼滤波算法 | 第42-44页 |
| 4．1．2 扩展卡尔曼滤波 | 第44-49页 |
| 4．1．2．1 估计过程 | 第44-45页 |
| 4．1．2．2 模型计算 | 第45-49页 |
| 4．2 目标跟踪方法分析 | 第49-50页 |
| 4．2．1 基于3D模型的跟踪方法 | 第49页 |
| 4．2．2 基于活动轮廓的跟踪方法 | 第49-50页 |
| 4．2．3 基于区域的跟踪方法 | 第50页 |
| 4．3 卡尔曼滤波跟踪模型 | 第50-55页 |
| 4．3．1 运动模型 | 第50-51页 |
| 4．3．2 目标匹配 | 第51-52页 |
| 4．3．3 模型更新 | 第52-53页 |
| 4．3．4 实验结果 | 第53-55页 |
| 第五章 系统实现 | 第55-58页 |
| 5．1 系统概述 | 第55-56页 |
| 5．2 开发工具及思想 | 第56-58页 |
| 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |