| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 运动目标跟踪原理 | 第9-10页 |
| 1.3.1 基于模板的跟踪 | 第9页 |
| 1.3.2 .基于特征的跟踪 | 第9-10页 |
| 1.3.3 基于区域的跟踪 | 第10页 |
| 1.4 常用的运动目标跟踪算法 | 第10-12页 |
| 1.4.1 基于运动检测的目标跟踪算法 | 第10-11页 |
| 1.4.2 基于meanshift的目标跟踪算法 | 第11页 |
| 1.4.3 基于粒子滤波的目标跟踪算法 | 第11-12页 |
| 1.5 论文主要工作及章节安排 | 第12-14页 |
| 1.5.1 论文主要工作 | 第12页 |
| 1.5.2 论文结构 | 第12-14页 |
| 第二章 运动目标检测方法 | 第14-31页 |
| 2.1 常用的运动目标检测算法 | 第14-18页 |
| 2.1.1 光流法 | 第15页 |
| 2.1.2 帧间差分法 | 第15-16页 |
| 2.1.3 背景减除法 | 第16-17页 |
| 2.1.4 算法性能分析 | 第17-18页 |
| 2.2 常用的背景建模方法 | 第18-25页 |
| 2.2.1 统计平均法背景建模 | 第18-19页 |
| 2.2.2 单高斯背景模型 | 第19-21页 |
| 2.2.3 码本背景建模方法 | 第21-25页 |
| 2.3 去除阴影的码本背景建模 | 第25-29页 |
| 2.3.1 基于颜色的阴影检测 | 第26-27页 |
| 2.3.2 基于纹理的阴影检测 | 第27-29页 |
| 2.3.3 更新背景模型策略及目标检测 | 第29页 |
| 2.4 实验结果及总结 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 粒子滤波跟踪算法 | 第31-41页 |
| 3.1 粒子滤波理论 | 第31-36页 |
| 3.1.1 贝叶斯估计基本原理和方法 | 第31-33页 |
| 3.1.2 蒙特卡洛积分 | 第33页 |
| 3.1.3 序贯重要性采样 | 第33-36页 |
| 3.1.4 重采样方法 | 第36页 |
| 3.2 目标模型 | 第36-39页 |
| 3.3 粒子滤波算法下多目标跟踪算法步骤 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 隧道内基于检测的改进粒子滤波的多运动车辆跟踪 | 第41-48页 |
| 4.1 运动目标检测与特征提取 | 第41页 |
| 4.2 核函数加权颜色特征目标模型 | 第41-42页 |
| 4.3 改进的粒子滤波跟踪算法 | 第42-45页 |
| 4.3.1 码本建模与粒子滤波跟踪算法结合 | 第42-44页 |
| 4.3.2 基于目标运动方向加权重采样算法 | 第44-45页 |
| 4.4 实验结果分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 遮挡条件下多车辆跟踪算法 | 第48-55页 |
| 5.1 基于特征点的目标跟踪方法 | 第48-52页 |
| 5.1.1 特征点描述 | 第48页 |
| 5.1.2 SURF特征提取与匹配 | 第48-52页 |
| 5.2 特征融合综合置信度判定 | 第52页 |
| 5.3 目标模型更新 | 第52-53页 |
| 5.4 实验结果分析 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-58页 |
| 6.1 总结 | 第55-56页 |
| 6.2 工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士期间发表的论文和参加科研情况 | 第62-63页 |