| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究目的及意义 | 第9-10页 |
| 1.2 国内外研究现状及主要问题 | 第10-13页 |
| 1.2.1 运动目标检测 | 第10-11页 |
| 1.2.2 运动目标跟踪 | 第11-12页 |
| 1.2.3 运动目标检测与跟踪研究存在的问题 | 第12-13页 |
| 1.3 论文主要研究内容及结构安排 | 第13-15页 |
| 1.3.1 本论文主要研究内容 | 第13页 |
| 1.3.2 本论文的结构安排 | 第13-15页 |
| 第二章 图像预处理及后处理技术 | 第15-26页 |
| 2.1 常用的图像去噪平滑算法 | 第15-19页 |
| 2.1.1 中值滤波法 | 第15-17页 |
| 2.1.2 均值滤波法 | 第17-19页 |
| 2.1.3 其他去噪平滑方法 | 第19页 |
| 2.2 常用的图像增强算法 | 第19-22页 |
| 2.2.1 灰度变换法 | 第20页 |
| 2.2.2 直方图均衡化 | 第20-22页 |
| 2.3 形态学操作 | 第22-25页 |
| 2.3.1 基本集合定义 | 第22-23页 |
| 2.3.2 形态学基本运算 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 运动目标检测算法 | 第26-50页 |
| 3.1 运动目标检测常见方法 | 第26-35页 |
| 3.1.1 光流法 | 第26-29页 |
| 3.1.2 帧间差分法 | 第29-31页 |
| 3.1.3 背景相减法 | 第31-34页 |
| 3.1.4 运动目标检测中常见问题 | 第34-35页 |
| 3.2 基于高斯背景模型的目标检测 | 第35-41页 |
| 3.2.1 单高斯模型的基本原理 | 第35-38页 |
| 3.2.2 混合高斯模型的基本原理 | 第38-41页 |
| 3.3 LBP 纹理背景模型 | 第41-42页 |
| 3.3.1 LBP 特征 | 第41-42页 |
| 3.3.2 背景模型及概率计算 | 第42页 |
| 3.4 基于证据理论的信息融合背景建模算法 | 第42-45页 |
| 3.4.1 D-S 证据理论 | 第43-44页 |
| 3.4.2 信息融合算法 | 第44-45页 |
| 3.5 实验结果与分析 | 第45-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 运动目标跟踪算法 | 第50-69页 |
| 4.1 基于MEAN SHIFT 算法的运动目标跟踪算法 | 第50-56页 |
| 4.1.1 运动目标的目标模型与候选模型 | 第50-52页 |
| 4.1.2 均值飘移跟踪算法 | 第52-56页 |
| 4.2 基于KALMAN滤波的运动目标跟踪算法 | 第56-61页 |
| 4.2.1 Kalman 滤波基本原理 | 第56-60页 |
| 4.2.2 Kalman 滤波器在运动目标跟踪中的应用 | 第60-61页 |
| 4.3 遮挡以及其他问题的处理 | 第61-64页 |
| 4.4 实验结果与分析 | 第64-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结和展望 | 第69-71页 |
| 5.1 全文总结 | 第69页 |
| 5.2 展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间已发表或录用的论文 | 第75-77页 |