| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及选题意义 | 第11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-12页 |
| 1.3 运动目标检测 | 第12-13页 |
| 1.4 运动目标跟踪 | 第13-15页 |
| 1.5 本文的主要研究内容及章节安排 | 第15-17页 |
| 第2章 运动目标检测及改进的背景减除帧差算法 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 图像预处理 | 第17-21页 |
| 2.2.1 图像滤波 | 第18-19页 |
| 2.2.2 图像分割 | 第19-21页 |
| 2.3 传统运动目标检测方法 | 第21-23页 |
| 2.3.1 背景减除法 | 第21-22页 |
| 2.3.2 帧间差分法 | 第22-23页 |
| 2.4 基于动态背景的改进算法 | 第23-26页 |
| 2.4.1 算法概述 | 第23-24页 |
| 2.4.2 实验结果及分析 | 第24-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 基于背景减除的快速自校正运动目标检测算法 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 灰度图像的形态学运算 | 第28-32页 |
| 3.2.1 膨胀和腐蚀 | 第28-30页 |
| 3.2.2 开运算和闭运算 | 第30-32页 |
| 3.3 快速自校正背景减除算法 | 第32-36页 |
| 3.3.1 背景检测和模型自适应 | 第33-34页 |
| 3.3.2 背景模型更新 | 第34-35页 |
| 3.3.3 后处理和全局控制程序 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 窗口带宽自适应均值漂移跟踪算法 | 第40-53页 |
| 4.1 引言 | 第40-41页 |
| 4.2 传统均值漂移算法基本原理 | 第41-44页 |
| 4.2.1 均值漂移定义 | 第41-42页 |
| 4.2.2 核密度估计 | 第42-43页 |
| 4.2.3 均值漂移向量 | 第43-44页 |
| 4.2.4 均值漂移算法 | 第44页 |
| 4.3 均值漂移跟踪算法 | 第44-48页 |
| 4.3.1 目标模型与候选目标模型 | 第45-46页 |
| 4.3.2 相似性函数 | 第46页 |
| 4.3.3 目标定位 | 第46-48页 |
| 4.3.4 均值漂移跟踪算法 | 第48页 |
| 4.4 改进的均值漂移跟踪算法 | 第48-52页 |
| 4.4.1 算法流程 | 第48-49页 |
| 4.4.2 实验与分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 基于卡尔曼均值漂移的分块自适应跟踪算法 | 第53-67页 |
| 5.1 引言 | 第53页 |
| 5.2 卡尔曼滤波算法 | 第53-55页 |
| 5.2.1 系统模型 | 第54页 |
| 5.2.2 卡尔曼滤波 | 第54-55页 |
| 5.3 改进的积分卡尔曼自适应分块均值漂移跟踪算法 | 第55-61页 |
| 5.3.1 积分卡尔曼滤波均值漂移 | 第55-58页 |
| 5.3.2 目标和候选区域的子块特征模型 | 第58-59页 |
| 5.3.3 自适应窗口均值漂移算法 | 第59页 |
| 5.3.4 改进算法的流程 | 第59-61页 |
| 5.4 实验结果及分析 | 第61-65页 |
| 5.4.1 参数设置 | 第61页 |
| 5.4.2 结果分析 | 第61-65页 |
| 5.5 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |