| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 本论文研究的背景和意义 | 第9-12页 |
| 1.2 国内外的研究现状 | 第12-13页 |
| 1.3 目标跟踪的难点 | 第13页 |
| 1.4 本论文主要完成的工作与章节安排 | 第13-15页 |
| 1.4.1 本文主要完成的工作 | 第13-14页 |
| 1.4.2 本文章节安排 | 第14-15页 |
| 第2章 目标检测技术 | 第15-28页 |
| 2.1 图像预处理 | 第15-22页 |
| 2.1.1 灰度变换 | 第15-17页 |
| 2.1.2 图像的平滑处理 | 第17-20页 |
| 2.1.3 数学形态学处理 | 第20-22页 |
| 2.2 背景差分法 | 第22-24页 |
| 2.3 帧间差分法 | 第24-26页 |
| 2.4 光流法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 TLD跟踪算法介绍 | 第28-46页 |
| 3.1 目标表示方法 | 第28页 |
| 3.2 TLD的基本理论介绍 | 第28-30页 |
| 3.3 TLD检测模块 | 第30-33页 |
| 3.3.1 方差检测器 | 第31页 |
| 3.3.2 集成分类器 | 第31-33页 |
| 3.3.3 最近邻分类器 | 第33页 |
| 3.4 TLD跟踪模块 | 第33-36页 |
| 3.5 TLD学习模块 | 第36-40页 |
| 3.5.1 P-N学习 | 第36-38页 |
| 3.5.2 P-N学习性能分析 | 第38-40页 |
| 3.6 TLD算法流程 | 第40-41页 |
| 3.7 TLD评估标准 | 第41页 |
| 3.8 TLD仿真结果 | 第41-45页 |
| 3.9 本章小结 | 第45-46页 |
| 第4章 基于Mean Shift的TLD改进算法 | 第46-62页 |
| 4.1 几种错误估计方法 | 第46-47页 |
| 4.2 Mean Shift基本理论 | 第47-53页 |
| 4.2.1 核密度估计 | 第47-48页 |
| 4.2.2 Mean Shift在目标跟踪中的应用 | 第48-51页 |
| 4.2.3 Mean Shift跟踪结果 | 第51-53页 |
| 4.3 基于Mean Shift的TLD改进算法 | 第53-58页 |
| 4.3.1 算法原理 | 第53页 |
| 4.3.2 算法实现方法 | 第53-55页 |
| 4.3.3 不同场景的仿真结果 | 第55-58页 |
| 4.4 仿真结果分析 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 目标跟踪硬件平台的实现 | 第62-70页 |
| 5.1 概述 | 第62-63页 |
| 5.2 系统总体方案设计 | 第63页 |
| 5.3 系统硬件设计 | 第63-69页 |
| 5.4 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76-77页 |
| 攻读学位期间发表论文与研究成果清单 | 第77-78页 |
| 致谢 | 第78页 |