| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 运动跟踪简介 | 第10-12页 |
| 1.2 本文研究内容 | 第12-13页 |
| 第二章 背景建模 | 第13-20页 |
| 2.1 背景建模原理简述 | 第13-14页 |
| 2.2 Gaussian 背景建模 | 第14-17页 |
| 2.3 光流法与运动目标检测 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 Mean-Shift 与运动跟踪分析 | 第20-28页 |
| 3.1 Mean-Shift 原理简介 | 第20-21页 |
| 3.2 Mean-Shift 与目标跟踪 | 第21-25页 |
| 3.3 基于Mean-Shift 的跟踪算法的缺点 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 SIFT 算法测试与分析 | 第28-44页 |
| 4.1 目标特征 | 第28-29页 |
| 4.2 SIFT 算法原理 | 第29-39页 |
| 4.3 SIFT 与Harris 角点检测的比较 | 第39-42页 |
| 4.4 SIFT 算法的优缺点 | 第42-43页 |
| 4.5 SIFT 解决目标非完全遮挡问题 | 第43页 |
| 4.6 本章小节 | 第43-44页 |
| 第五章 粒子滤波与随机状态预测 | 第44-56页 |
| 5.1 非线性Bayesian 滤波 | 第44-45页 |
| 5.2 粒子滤波器原理 | 第45-48页 |
| 5.3 粒子滤波器与目标跟踪 | 第48-53页 |
| 5.4 部分粒子随机化改进方案 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 SIFT 算法的改进和新算法的实现 | 第56-78页 |
| 6.1 改进的SIFT 特征匹配方法 | 第56-69页 |
| 6.2 基于区域划分的级联过滤矩阵 | 第69-70页 |
| 6.3 Mean-Shift 与SIFT 的结合 | 第70-72页 |
| 6.4 新算法原理 | 第72-74页 |
| 6.5 算法实现和测试结果 | 第74-78页 |
| 第七章 总结与展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间已发表或录用的论文 | 第84-86页 |