| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究进展 | 第8-13页 |
| 1.2.1 运动目标检测研究现状 | 第9-11页 |
| 1.2.2 运动目标跟踪研究现状 | 第11-12页 |
| 1.2.3 智能视频分析的研究重点 | 第12-13页 |
| 1.3 研究内容和论文安排 | 第13-15页 |
| 第2章 目标检测与跟踪的研究基础 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 图像预处理 | 第15-23页 |
| 2.2.1 图像的灰度化 | 第15-16页 |
| 2.2.2 灰度图像的二值化 | 第16-18页 |
| 2.2.3 图像滤波 | 第18-19页 |
| 2.2.4 形态学滤波 | 第19-23页 |
| 2.3 二型模糊 | 第23-26页 |
| 2.3.1 模糊集合的基本性质 | 第23-25页 |
| 2.3.2 二型模糊集 | 第25-26页 |
| 2.4 基于轨迹片段关联的视觉目标跟踪算法流程 | 第26-30页 |
| 2.4.1 感兴趣目标检测 | 第27页 |
| 2.4.2 跟踪特征提取 | 第27-28页 |
| 2.4.3 轨迹片段生成 | 第28-29页 |
| 2.4.4 轨迹片段关联 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 视频流中运动车辆检测 | 第31-47页 |
| 3.1 二型模糊的混合高斯背景建模 | 第31-35页 |
| 3.1.1 二型模糊融合混合高斯背景的物理意义 | 第31-32页 |
| 3.1.2 二型模糊融合混合高斯背景的数学模型 | 第32-35页 |
| 3.2 基于T2-FGMM和 MRF结合的运动目标检测 | 第35-40页 |
| 3.2.1 马尔科夫随机场的基本原理 | 第35-36页 |
| 3.2.2 马尔科夫模型优化标签 | 第36-38页 |
| 3.2.3 引入MRF的二型模糊高斯混合模型 | 第38-40页 |
| 3.3 ICM算法改进与应用 | 第40-42页 |
| 3.4 实验结果 | 第42-46页 |
| 3.4.1 性能分析 | 第42-44页 |
| 3.4.2 与其它算法进行对比 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 分层关联的多目标跟踪 | 第47-64页 |
| 4.1 分层关联多目标跟踪的相关研究 | 第47-52页 |
| 4.1.1 分层关联多目标跟踪框架 | 第47-48页 |
| 4.1.2 基于增量线性判别分析的目标特征提取 | 第48-49页 |
| 4.1.3 Tracklet置信度 | 第49-50页 |
| 4.1.4 基于外观特征模型 | 第50-52页 |
| 4.2 结合卡尔曼滤波的时空特征模型 | 第52-57页 |
| 4.2.1 光流直方图特征 | 第52-55页 |
| 4.2.2 卡尔曼滤波预测 | 第55-57页 |
| 4.3 基于tracklet分层关联的多目标跟踪 | 第57-60页 |
| 4.3.1 局部数据关联 | 第57页 |
| 4.3.2 全局数据关联 | 第57-59页 |
| 4.3.3 更新目标特征模型 | 第59-60页 |
| 4.4 分析 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 结论与展望 | 第64-65页 |
| 5.1 结论 | 第64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70页 |