| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 人体运动的视觉分析 | 第7-8页 |
| 1.1.1 引言 | 第7页 |
| 1.1.2 人体运动视觉分析的典型应用 | 第7-8页 |
| 1.2 当前研究 | 第8-13页 |
| 1.2.1 智能监控系统的研究 | 第8-9页 |
| 1.2.2 运动目标检测和跟踪研究 | 第9-12页 |
| 1.2.3 监控摄像机的研究 | 第12-13页 |
| 1.3 已完成的工作 | 第13-14页 |
| 第二章 动态侦测 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 背景消去算法 | 第14-19页 |
| 2.2.1 前置处理 | 第15-16页 |
| 2.2.2 背景建模 | 第16-19页 |
| 2.3 前景侦测 | 第19页 |
| 2.4 实验和分析 | 第19-25页 |
| 第三章 移动目标分析 | 第25-35页 |
| 3.1 数学形态学滤波 | 第25-30页 |
| 3.1.1 介绍 | 第25页 |
| 3.1.2 基本想法 | 第25-26页 |
| 3.1.3 扩张和侵蚀 | 第26-27页 |
| 3.1.4 开放与闭合 | 第27-28页 |
| 3.1.5 形态学算法 | 第28-30页 |
| 3.2 阴影消除 | 第30-33页 |
| 3.2.1 阴影介绍 | 第30-31页 |
| 3.2.2 阴影移除方法 | 第31-33页 |
| 3.3 实验分析 | 第33-35页 |
| 第四章 基于粒子群优化算法和 PARZEN 粒子滤波的追踪系统 | 第35-51页 |
| 4.1 新的目标探测方法 | 第35-36页 |
| 4.2 粒子群优化和模板匹配 | 第36-41页 |
| 4.2.1 PSO 的介绍 | 第36-37页 |
| 4.2.2 来源和背景 | 第37-41页 |
| 4.3 算法介绍 | 第41-44页 |
| 4.3.1 参数选择 | 第41-44页 |
| 4.4 PARZEN 粒子滤波 | 第44-45页 |
| 4.5 粒子群算法（PSO）优化粒子滤波算法 | 第45-46页 |
| 4.5.1 粒子群优化算法（PSO）与 Parzen 粒子滤波的比较 | 第45-46页 |
| 4.5.2 粒子群算法（PSO）优化粒子滤波 | 第46页 |
| 4.6 结果和讨论 | 第46-49页 |
| 4.7 总结 | 第49-51页 |
| 第五章 总结 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-63页 |