| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 动态背景下运动目标检测与跟踪概述 | 第7页 |
| 1.2 运动目标检测的研究现状 | 第7-11页 |
| 1.2.1 运动目标检测的发展与现状 | 第7-9页 |
| 1.2.2 运动目标跟踪的发展与现状 | 第9-11页 |
| 1.3 课题研究背景及意义 | 第11页 |
| 1.4 本论文主要内容和结构安排 | 第11-13页 |
| 第二章 动态背景下运动目标检测与跟踪基本方法 | 第13-20页 |
| 2.1 动态背景下运动目标检测方法研究 | 第13-17页 |
| 2.1.1 基于光流场的目标检测 | 第13-14页 |
| 2.1.2 基于联合方法的目标检测 | 第14-15页 |
| 2.1.3 基于灭点的目标分割 | 第15页 |
| 2.1.4 基于马尔科夫运动的目标检测 | 第15-16页 |
| 2.1.5 基于R BF 神经网络的复杂背景下的运动目标检测 | 第16-17页 |
| 2.2 运动目标跟踪方法研究 | 第17-20页 |
| 2.2.1 基于模型匹配的跟踪 | 第17-18页 |
| 2.2.2 基于区域匹配的跟踪 | 第18页 |
| 2.2.3 基于特征的目标跟踪算法 | 第18-19页 |
| 2.2.4 基于目标运动特性的目标跟踪 | 第19-20页 |
| 第三章 基于全局运动补偿的动态背景下多运动目标检测 | 第20-41页 |
| 3.1 全局运动估计 | 第21-27页 |
| 3.1.1 常用的摄像机运动模型 | 第22-24页 |
| 3.1.2 基于六参数的全局运动估计 | 第24-27页 |
| 3.1.3 递归最小二乘法计算全局运动参数 | 第27页 |
| 3.2 图像预处理与宏块预判 | 第27-30页 |
| 3.2.1 图像剪裁 | 第28页 |
| 3.2.2 边缘纹理信息提取 | 第28-29页 |
| 3.2.3 宏块预判 | 第29-30页 |
| 3.3 宏块匹配与九点十字搜索法 | 第30-34页 |
| 3.3.1 宏块匹配 | 第30-32页 |
| 3.3.2 九点十字搜索法 | 第32-34页 |
| 3.4 全局运动补偿 | 第34页 |
| 3.5 运动目标区域提取 | 第34-41页 |
| 3.5.1 目标区域提取预处理 | 第34-36页 |
| 3.5.2 区域标记去噪 | 第36页 |
| 3.5.3 基于形态学处理和小区域去噪策略的小目标检测 | 第36-41页 |
| 第四章 基于粒子滤波器的目标轨迹跟踪 | 第41-57页 |
| 4.1 基于粒子滤波器的跟踪算法 | 第41-47页 |
| 4.1.1 粒子滤波跟踪算法概述 | 第41-42页 |
| 4.1.2 粒子滤波器原理 | 第42-43页 |
| 4.1.3 粒子滤波器进行跟踪时的关键性问题 | 第43-46页 |
| 4.1.4 基于粒子滤波器算法流程 | 第46-47页 |
| 4.2 目标颜色信息基本理论 | 第47-51页 |
| 4.2.1 颜色以及颜色空间 | 第47-49页 |
| 4.2.2 颜色信息理论 | 第49-51页 |
| 4.3 基于加权颜色直方图和粒子滤波算法的目标跟踪 | 第51-57页 |
| 4.3.1 跟踪方法概述 | 第51页 |
| 4.3.2 目标离散区域归并 | 第51-52页 |
| 4.3.3 颜色概率分布图的加权改造 | 第52-53页 |
| 4.3.4 目标模板匹配准则 | 第53-54页 |
| 4.3.5 基于加权颜色直方图和粒子滤波器的跟踪算法流程 | 第54-57页 |
| 第五章 动背景下运动目标检测与跟踪软件实现与实验结果 | 第57-64页 |
| 5.1 系统开发环境 | 第57页 |
| 5.2 实验结果 | 第57-64页 |
| 5.2.1 全局运动补偿实验 | 第58-59页 |
| 5.2.2 图像目标颜色特征提取实验 | 第59-60页 |
| 5.2.3 跟踪效果实验 | 第60-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 发表论文和参加科研情况说明 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73-74页 |
