| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-16页 |
| 1.2 关键技术的研究现状 | 第16-21页 |
| 1.2.1 视觉分析目前的研究现状 | 第16-18页 |
| 1.2.2 场景描述与理解在图像理解中的作用 | 第18-19页 |
| 1.2.3 此文的研究的内容、算法以及初步的结果 | 第19-20页 |
| 1.2.4 论文章节安排 | 第20-21页 |
| 第二章 图像分割技术简介 | 第21-29页 |
| 2.1 图像与视频分割概述 | 第21页 |
| 2.2 几种经典图像分割方法 | 第21-23页 |
| 2.2.1 基于边缘的分割 | 第21-22页 |
| 2.2.2 基于阈值方式的分割 | 第22页 |
| 2.2.3 基于区域的分割 | 第22-23页 |
| 2.3 基于形态学分水岭的分割 | 第23-28页 |
| 2.3.1 形态学图像处理的概念和操作 | 第23-27页 |
| 2.3.2 使用分水岭算法的分割简介 | 第27-28页 |
| 2.4 小结 | 第28-29页 |
| 第三章 动态物体的检测与追踪 | 第29-47页 |
| 3.1 概述 | 第29-32页 |
| 3.2 基于背景差分的目标检测 | 第32-37页 |
| 3.2.1 背景建模概述 | 第32-33页 |
| 3.2.2 单高斯背景建模 | 第33页 |
| 3.2.3 高斯混合背景建模 | 第33-36页 |
| 3.2.4 引入二型模糊的高斯混合背景建模 | 第36-37页 |
| 3.3 对于检测出来的结果进行的操作 | 第37-38页 |
| 3.4 活动物体目标的追踪 | 第38-47页 |
| 3.4.1 卡曼预先估测和全局化的特征点的配对追踪 | 第39-44页 |
| 3.4.2 基于Mean Shift的目标跟踪 | 第44-45页 |
| 3.4.3 改进的Mean Shift跟踪方法 | 第45-47页 |
| 第四章 利用模糊聚类的方法对运动目标进行行为检测识别 | 第47-59页 |
| 4.1 系统介绍 | 第47-48页 |
| 4.2 核心技术原理 | 第48-53页 |
| 4.2.1 图像特征的提取和识别 | 第48-49页 |
| 4.2.2 模式相似性测量 | 第49-52页 |
| 4.2.3 模糊理论基本概念 | 第52-53页 |
| 4.3 系统结构与流程 | 第53-59页 |
| 4.3.1 系统总体结构 | 第53-54页 |
| 4.3.2 图像标识及特征提取算法流程 | 第54页 |
| 4.3.3 计算模糊距离算法流程 | 第54页 |
| 4.3.4 模糊聚类算法流程 | 第54-57页 |
| 4.3.5 模糊聚类算法编程实现的结果 | 第57-59页 |
| 第五章 结论和展望 | 第59-61页 |
| 5.1 研究结论 | 第59页 |
| 5.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者简介 | 第67-68页 |