| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 动目标检测研究现状 | 第11-12页 |
| 1.3 动目标跟踪研究现状 | 第12-13页 |
| 1.4 论文研究内容与章节安排 | 第13-15页 |
| 第2章 图像处理技术 | 第15-22页 |
| 2.1 彩色图像的灰度变换 | 第15页 |
| 2.2 图像噪声的抑制 | 第15-18页 |
| 2.2.1 均值滤波 | 第15-16页 |
| 2.2.2 中值滤波 | 第16页 |
| 2.2.3 噪声抑制效果对比 | 第16-18页 |
| 2.3 数学形态学处理 | 第18-21页 |
| 2.3.1 膨胀与腐蚀 | 第18-20页 |
| 2.3.2 开运算与闭运算 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 运动目标检测 | 第22-31页 |
| 3.1 光流场法 | 第22-25页 |
| 3.1.1 光流场计算的基本原理 | 第22-23页 |
| 3.1.2 用光流法进行运动目标检测的基本原理 | 第23-25页 |
| 3.2 帧间差分法 | 第25-26页 |
| 3.3 背景差法 | 第26-30页 |
| 3.3.1 单高斯模型 | 第27-28页 |
| 3.3.2 混合高斯模型 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于Mean-Shift的运动目标跟踪 | 第31-43页 |
| 4.1 Mean-Shift算法介绍 | 第31-34页 |
| 4.1.1 核密度梯度估计 | 第31-32页 |
| 4.1.2 Mean-Shift理论 | 第32-34页 |
| 4.2 Mean-Shift目标跟踪算法 | 第34-38页 |
| 4.2.1 目标图像建模 | 第34-35页 |
| 4.2.2 相似性度量——Bhattacharyya系数 | 第35页 |
| 4.2.3 Mean-Shift目标跟踪 | 第35-38页 |
| 4.3 基于自适应窗宽的Mean-Shift目标跟踪算法 | 第38-42页 |
| 4.3.1 仿射模型和特征点匹配 | 第39-40页 |
| 4.3.2 目标形心配准 | 第40-41页 |
| 4.3.3 自适应窗宽的Mean-Shift跟踪算法描述 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 基于粒子滤波器的目标跟踪算法 | 第43-56页 |
| 5.1 粒子滤波相关理论 | 第43-47页 |
| 5.1.1 贝叶斯滤波框架 | 第43-44页 |
| 5.1.2 蒙特卡罗随机模拟 | 第44-45页 |
| 5.1.3 标准粒子滤波器 | 第45-47页 |
| 5.2 基于粒子滤波的目标跟踪算法 | 第47-50页 |
| 5.2.1 状态转移模型 | 第47-48页 |
| 5.2.2 目标观测模型 | 第48-49页 |
| 5.2.3 基于标准粒子滤波的目标跟踪算法 | 第49-50页 |
| 5.3 基于粒子滤波的多目标跟踪 | 第50-55页 |
| 5.3.1 数据关联问题与Gating技术 | 第50-52页 |
| 5.3.2 基于粒子滤波的联合概率数据关联与多目标跟踪 | 第52-55页 |
| 5.4 本章小结 | 第55-56页 |
| 总结与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间取得学术成果 | 第61页 |
