| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的目的和意义 | 第11-12页 |
| 1.1.1 课题研究的目的 | 第11页 |
| 1.1.2 课题研究的意义 | 第11-12页 |
| 1.2 课题在国内外的研究现状与发展趋势 | 第12-14页 |
| 1.2.1 课题在国内外的研究现状 | 第12-13页 |
| 1.2.2 课题的发展趋势 | 第13-14页 |
| 1.3 课题研究的主要内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 图像预处理 | 第17-27页 |
| 2.1 颜色空间 | 第17-20页 |
| 2.1.1 RGB混合型颜色空间 | 第17-18页 |
| 2.1.2 YUV线性亮度颜色空间 | 第18页 |
| 2.1.3 HSI色调型颜色空间 | 第18-20页 |
| 2.2 图像的灰度化处理 | 第20-21页 |
| 2.3 图像的噪声处理 | 第21-26页 |
| 2.3.1 噪声的特点 | 第22页 |
| 2.3.2 几种常见的图像噪声 | 第22-23页 |
| 2.3.3 图像的去噪处理 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 复杂观测条件下视频运动目标的检测 | 第27-37页 |
| 3.1 光流法 | 第27-28页 |
| 3.2 帧间差分法 | 第28-29页 |
| 3.3 背景差分法 | 第29-31页 |
| 3.4 基于混合高斯模型的视频运动目标检测 | 第31-34页 |
| 3.4.1 单高斯模型 | 第31-32页 |
| 3.4.2 基于混合高斯模型的检测实现 | 第32-34页 |
| 3.5 视频运动目标检测结果分析 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 复杂观测条件下视频运动目标的跟踪 | 第37-63页 |
| 4.1 常见的视频运动目标跟踪分类 | 第37-39页 |
| 4.1.1 基于轮廓的运动目标跟踪 | 第37-38页 |
| 4.1.2 基于区域的运动目标跟踪 | 第38页 |
| 4.1.3 基于特征的运动目标跟踪 | 第38页 |
| 4.1.4 基于模型的运动目标跟踪 | 第38-39页 |
| 4.2 基于Mean-shift算法的运动目标跟踪 | 第39-43页 |
| 4.2.1 Mean-shift概述 | 第39页 |
| 4.2.2 Mean-shift算法的基本思想 | 第39-40页 |
| 4.2.3 Mean-shift算法的跟踪实现 | 第40-43页 |
| 4.3 基于Kalman滤波的运动目标跟踪 | 第43-45页 |
| 4.3.1 Kalman滤波原理 | 第43页 |
| 4.3.2 Kalman滤波的跟踪实现 | 第43-45页 |
| 4.4 基于粒子滤波的运动目标跟踪 | 第45-51页 |
| 4.4.1 贝叶斯状态估计 | 第45-46页 |
| 4.4.2 蒙特卡洛方法 | 第46-47页 |
| 4.4.3 序列重要性采样 | 第47-49页 |
| 4.4.4 粒子重采样 | 第49-50页 |
| 4.4.5 粒子滤波的跟踪实现 | 第50-51页 |
| 4.5 基于多样性优化的粒子滤波的视频运动目标跟踪 | 第51-55页 |
| 4.5.1 莱维飞行 | 第52页 |
| 4.5.2 布谷鸟搜索优化 | 第52-54页 |
| 4.5.3 基于多样性优化的粒子滤波的跟踪实现 | 第54-55页 |
| 4.6 实验结果与分析 | 第55-61页 |
| 4.7 本章小结 | 第61-63页 |
| 第五章 结论 | 第63-65页 |
| 5.1 结论 | 第63-64页 |
| 5.2 工作研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |