| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 跟踪算法改进的研究目的和研究意义 | 第8页 |
| 1.2 运动目标跟踪方式 | 第8-9页 |
| 1.3 目标跟踪算法国内外研究现状 | 第9-11页 |
| 1.4 本文主要研究工作 | 第11-12页 |
| 第二章 目标跟踪算法概述 | 第12-30页 |
| 2.1 目标跟踪算法的分类 | 第12-16页 |
| 2.2 基于目标颜色特征的 Camshift 跟踪算法 | 第16-18页 |
| 2.3 光流算法及其在实时跟踪算法中的应用 | 第18-25页 |
| 2.4 融合梯度幅值信息的改进 Camshift 算法 | 第25-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 角点和局部极值点的检测算法及其稳定性能的比较 | 第30-42页 |
| 3.1 角点提取算法 | 第30-34页 |
| 3.2 SIFT 尺度不变特征点提取原理 | 第34-36页 |
| 3.3 SURF 算法特征点提取原理 | 第36-38页 |
| 3.4 特征点局部尺度不变性对于定位整幅图像的意义 | 第38页 |
| 3.5 Harris 角点与 SURF 特征点稳定性比较实验以及结果分析 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 复杂环境下人脸跟踪算法的研究 | 第42-55页 |
| 4.1 OpenCV 计算机开源视觉库简介 | 第42-43页 |
| 4.2 基于 SURF 特征点的改进光流跟踪算法以及实验结果分析 | 第43-51页 |
| 4.3 由人脸区域 SURF 特征点初始化改进 Camshift 跟踪的方法 | 第51页 |
| 4.4 复杂环境下人脸跟踪算法 | 第51-53页 |
| 4.5 复杂环境下人脸跟踪算法实验结果分析 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55页 |
| 5.2 研究展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 作者攻读硕士学位期间发表的论文 | 第62页 |
