| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 视频目标检测研究现状及面临问题 | 第10-12页 |
| 1.2.1 视频目标检测研究现状 | 第10-11页 |
| 1.2.2 视频目标检测面临的问题 | 第11-12页 |
| 1.3 视频目标跟踪研究现状及面临问题 | 第12-13页 |
| 1.3.1 视频目标跟踪研究现状 | 第12-13页 |
| 1.3.2 视频目标跟踪面临的问题 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第2章 视频目标的检测算法 | 第15-32页 |
| 2.1 视频目标检测简介 | 第15页 |
| 2.2 视频目标检测常用算法 | 第15-21页 |
| 2.2.1 背景差分法 | 第15-17页 |
| 2.2.2 帧间差分法 | 第17-20页 |
| 2.2.3 光流法 | 第20页 |
| 2.2.4 三种检测算法的特点以及适用性 | 第20-21页 |
| 2.3 改进的三帧差分法 | 第21-23页 |
| 2.3.1 三帧差分法 | 第21-22页 |
| 2.3.2 改进的三帧差分法 | 第22-23页 |
| 2.4 图像降噪知识与算法 | 第23-27页 |
| 2.4.1 均值滤波 | 第26页 |
| 2.4.2 中值滤波 | 第26-27页 |
| 2.5 数学形态学基础知识 | 第27-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第3章 视频目标的跟踪算法 | 第32-50页 |
| 3.1 视频目标跟踪简介 | 第32-33页 |
| 3.1.1 基于区域的目标跟踪 | 第32-33页 |
| 3.1.2 基于轮廓的目标跟踪 | 第33页 |
| 3.1.3 基于特征的目标跟踪 | 第33页 |
| 3.1.4 基于模型的目标跟踪 | 第33页 |
| 3.2 视频目标跟踪算法 | 第33-49页 |
| 3.2.1 基于Mean Shift的目标跟踪算法 | 第34-40页 |
| 3.2.2 基于Mean Shift算法的仿真实验结果分析 | 第40-43页 |
| 3.2.3 Mean Shift目标跟踪算法优缺点 | 第43-44页 |
| 3.2.4 贝叶斯估计 | 第44-45页 |
| 3.2.5 基于卡尔曼滤波的目标跟踪 | 第45-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第4章 改进的视频目标跟踪算法 | 第50-59页 |
| 4.1 融合Mean Shift和卡尔曼滤波的目标跟踪 | 第50-51页 |
| 4.2 视频目标受大比例遮挡的跟踪 | 第51-54页 |
| 4.3 实验结果分析 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 导师简介 | 第65-66页 |
| 作者简介 | 第66-67页 |
| 学位论文数据集 | 第67页 |
