| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景与意义 | 第12-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·目标检测技术研究现状 | 第14-16页 |
| ·目标跟踪技术研究现状 | 第16-18页 |
| ·课题所作的主要工作 | 第18页 |
| ·文章结构 | 第18-20页 |
| 第2章 基于背景差分的运动目标检测 | 第20-34页 |
| ·常用的运动目标检测方法分析 | 第20-27页 |
| ·光流法分析 | 第20-21页 |
| ·帧间差分法分析 | 第21-23页 |
| ·背景差分法分析 | 第23-27页 |
| ·基于像素分类的运动目标检测方法 | 第27-32页 |
| ·单高斯分布背景模型 | 第27-28页 |
| ·混合高斯分布背景模型 | 第28-30页 |
| ·基于像素分类的背景建模改进 | 第30-32页 |
| ·数学形态学滤波 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于MEAN SHIFT 算法的目标跟踪 | 第34-46页 |
| ·基于MEAN SHIFT 的目标跟踪 | 第34-39页 |
| ·无参密度估计理论 | 第34-35页 |
| ·Mean Shift 目标跟踪原理分析 | 第35-36页 |
| ·基于颜色直方图的Mean Shift 跟踪 | 第36-39页 |
| ·基于优化特征生成模型的MEAN SHIFT 跟踪 | 第39-43页 |
| ·基于背景相似度加权的优化特征生成模型 | 第40-42页 |
| ·算法的流程和实现 | 第42-43页 |
| ·核函数带宽自适应调整 | 第43-45页 |
| ·模板更新策略 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于KALMAN 滤波的目标预测跟踪 | 第46-58页 |
| ·目标位置预测算法分析 | 第46-49页 |
| ·线性预测算法 | 第46-48页 |
| ·平方预测算法 | 第48-49页 |
| ·基于KALMAN 预测的MEAN SHIFT 跟踪算法 | 第49-53页 |
| ·Kalman 滤波原理分析 | 第49-51页 |
| ·Kalman 预测应用于跟踪 | 第51-52页 |
| ·Kalman 预测对Mean Shift 算法鲁棒性的改进 | 第52-53页 |
| ·模板匹配算法对跟踪鲁棒性的改进 | 第53-57页 |
| ·模板匹配算法原理分析 | 第54-56页 |
| ·模板匹配算法对Mean Shift 鲁棒性的改进 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 检测跟踪算法设计及实验仿真 | 第58-65页 |
| ·实验环境平台 | 第58页 |
| ·检测跟踪算法框架设计 | 第58-60页 |
| ·综合仿真实验效果对比 | 第60-64页 |
| ·运动目标尺度变化情况下的跟踪 | 第60-61页 |
| ·运动目标受到遮挡情况下的跟踪 | 第61-62页 |
| ·运动目标受遮挡后运动方向改变情况下的跟踪 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
