| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题的研究意义 | 第12-14页 |
| ·课题的国内外研究现状 | 第14-16页 |
| ·课题的研究难点 | 第16-17页 |
| ·本文的结构及内容安排 | 第17-18页 |
| 第2章 运动目标检测算法及其改进 | 第18-40页 |
| ·前言 | 第18-19页 |
| ·帧间差分法 | 第19-21页 |
| ·背景差分法 | 第21-22页 |
| ·光流法 | 第22-24页 |
| ·高斯背景模型 | 第24-29页 |
| ·单高斯背景分布模型 | 第24-26页 |
| ·多高斯背景分布模型 | 第26-29页 |
| ·高斯混合模型的改进 | 第29-35页 |
| ·固有学习速率的缺陷及其改进方法 | 第30-33页 |
| ·背景模型初始化的缺陷及其改进 | 第33-35页 |
| ·算法实现及实验分析 | 第35-38页 |
| ·实验结果 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第3章 阴影检测及其去除 | 第40-48页 |
| ·引言 | 第40-41页 |
| ·阴影分类 | 第41-43页 |
| ·现有的阴影检测方法回顾 | 第42-43页 |
| ·基于 YUV 空间的阴影检测 | 第43-44页 |
| ·阴影区分 | 第44-46页 |
| ·实验结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于 Kalman 滤波的运动车辆跟踪 | 第48-66页 |
| ·基于特征匹配的跟踪方法 | 第49页 |
| ·基于模型匹配的跟踪方法 | 第49-50页 |
| ·基于统计模型的方法 | 第50页 |
| ·基于区域匹配模型的跟踪方法 | 第50-51页 |
| ·Kalman 滤波器的原理 | 第51-54页 |
| ·Kalman 滤波器的应用 | 第53-54页 |
| ·基于 Kalman 预测模型的区域匹配车辆跟踪 | 第54-63页 |
| ·车辆区域观测参数的提取 | 第55-60页 |
| ·预测模型的区域车辆跟踪 | 第60-63页 |
| ·实验结果 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第5章 总结与展望 | 第66-69页 |
| ·本文总结 | 第66-67页 |
| ·未来工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 A 攻读学位期间所发表的学术论文及参加的科研项目 | 第73-74页 |
| 致谢 | 第74页 |