| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-18页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究现状 | 第12-17页 |
| ·基于内容的研究 | 第12-15页 |
| ·基于应用的研究 | 第15-17页 |
| ·本文的主要工作和内容安排 | 第17-18页 |
| 2 复杂环境下运动目标检测技术研究 | 第18-37页 |
| ·运动目标检测技术概述 | 第18-21页 |
| ·帧间差分 | 第18-19页 |
| ·光流法 | 第19-20页 |
| ·背景减除 | 第20-21页 |
| ·背景模型 | 第21-25页 |
| ·单高斯分布背景模型 | 第21-22页 |
| ·混合高斯背景模型 | 第22-25页 |
| ·复杂环境下基于混合高斯背景模型的运动目标检测算法 | 第25-36页 |
| ·背景模型的选取 | 第25-26页 |
| ·运动目标检测 | 第26-27页 |
| ·实验结果及分析 | 第27-29页 |
| ·阴影检测 | 第29-34页 |
| ·确定运动目标的位置 | 第34-36页 |
| ·本章小节 | 第36-37页 |
| 3 自动建模的粒子滤波跟踪算法 | 第37-57页 |
| ·粒子滤波理论 | 第37-45页 |
| ·贝叶斯滤波原理 | 第38-39页 |
| ·蒙特卡罗采样 | 第39页 |
| ·序列重要性采样(SIS) | 第39-42页 |
| ·退化问题 | 第42页 |
| ·重采样原理 | 第42-44页 |
| ·粒子滤波算法的描述 | 第44-45页 |
| ·粒子滤波理论在目标跟踪中的应用 | 第45-50页 |
| ·系统状态空间和动态模型的建立 | 第46页 |
| ·目标模型的建立 | 第46-47页 |
| ·粒子权值的评价 | 第47-48页 |
| ·目标模板更新 | 第48-49页 |
| ·目标定位 | 第49页 |
| ·算法迭代步骤 | 第49-50页 |
| ·目标跟踪算法实现 | 第50-56页 |
| ·目标运动模型 | 第50-51页 |
| ·自动跟踪模型的建立 | 第51-52页 |
| ·跟踪算法 | 第52-53页 |
| ·实验结果及分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 4 基于颜色和纹理双重信息融合的跟踪算法 | 第57-66页 |
| ·似然模型 | 第57-61页 |
| ·颜色似然模型 | 第57-58页 |
| ·纹理似然模型 | 第58-61页 |
| ·颜色和纹理自适应融合策略 | 第61-62页 |
| ·跟踪算法 | 第62-63页 |
| ·实验结果及分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 5 总结和展望 | 第66-68页 |
| ·工作总结 | 第66页 |
| ·研究展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |