| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 本课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外的研究方法和发展现状 | 第12-19页 |
| 1.2.1 国内外研究方法 | 第12-14页 |
| 1.2.2 国内外发展现状 | 第14-19页 |
| 1.3 论文研究内容的章节及安排 | 第19-20页 |
| 1.4 论文研究的难点和重点 | 第20-21页 |
| 第二章 视频图像的预处理 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 图像的灰度化 | 第21-22页 |
| 2.2.1 灰度图像 | 第21页 |
| 2.2.2 彩色图像灰度化 | 第21-22页 |
| 2.3 图像的噪声去除 | 第22-24页 |
| 2.3.1 均值滤波 | 第22-23页 |
| 2.3.2 中值滤波 | 第23页 |
| 2.3.3 高斯滤波 | 第23-24页 |
| 2.4 图像的形态学处理 | 第24-26页 |
| 2.4.1 腐蚀与膨胀 | 第24-25页 |
| 2.4.2 开闭操作 | 第25-26页 |
| 2.5 本章小结 | 第26-29页 |
| 第三章 运动目标的检测 | 第29-35页 |
| 3.1 引言 | 第29页 |
| 3.2 静止场景情况下的运动目标检测的方法 | 第29-34页 |
| 3.2.1 连续帧间差分法 | 第29-31页 |
| 3.2.2 背景差分法 | 第31-33页 |
| 3.2.3 光流场法 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 Mean-shift算法的运动目标跟踪 | 第35-57页 |
| 4.1 引言 | 第35页 |
| 4.2 Mean-shift算法的产生和发展 | 第35-36页 |
| 4.3 概率密度估计 | 第36-38页 |
| 4.3.1 参数概率密度估计 | 第36-37页 |
| 4.3.2 非参数概率密度估计 | 第37-38页 |
| 4.4 Mean-shift算法的核密度估计原理 | 第38-40页 |
| 4.5 Mean-shift算法的目标跟踪运用 | 第40-47页 |
| 4.5.1 建立相关的目标模型 | 第41-42页 |
| 4.5.2 建立相关的候选目标模型 | 第42页 |
| 4.5.3 目标跟踪相关性函数的设定 | 第42-43页 |
| 4.5.4 Mean-shift目标跟踪搜索的具体算法流程 | 第43-46页 |
| 4.5.5 Mean-shift目标跟踪算法的优势以及不足之处 | 第46-47页 |
| 4.6 Cam-shift算法的介绍 | 第47-54页 |
| 4.6.1 常用的彩色图像空间模型 | 第47-49页 |
| 4.6.2 Cam-shift算法的实现原理 | 第49-50页 |
| 4.6.3 Cam-shift算法跟踪窗口的求解步骤 | 第50-52页 |
| 4.6.4 Cam-shift算法的实验分析 | 第52-54页 |
| 4.6.5 Cam-shift算法的优点与不足之处 | 第54页 |
| 4.7 本章小结 | 第54-57页 |
| 第五章 基于粒子滤波算法的目标跟踪 | 第57-79页 |
| 5.1 引言 | 第57页 |
| 5.2 贝叶斯滤波原理 | 第57-59页 |
| 5.3 蒙特卡罗样本的采集 | 第59页 |
| 5.4 粒子滤波跟踪算法原理 | 第59-64页 |
| 5.4.1 Bayesian重要性的样本采集 | 第59-60页 |
| 5.4.2 序贯重要性采集 | 第60-61页 |
| 5.4.3 退化现象和对粒子的重新采样 | 第61-63页 |
| 5.4.4 粒子滤波算法的具体实现步骤 | 第63页 |
| 5.4.5 粒子滤波算法目标视觉跟踪的实现过程 | 第63-64页 |
| 5.5 粒子滤波跟踪算法与Mean-shift算法的结合与改进 | 第64-65页 |
| 5.6 实验的结果与分析 | 第65-76页 |
| 5.6.1 实验设备和软硬件平台的介绍 | 第65-66页 |
| 5.6.2 室内外进行的跟踪拍摄实验及结论 | 第66-76页 |
| 5.7 结论 | 第76-77页 |
| 5.8 本章小结 | 第77-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 论文的总结 | 第79页 |
| 6.2 论文的展望 | 第79-81页 |
| 致谢 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 附录 攻读硕士期间发表的论文和研究成果 | 第89页 |
