| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-12页 |
| 1.3 本论文主要研究工作和结构安排 | 第12-14页 |
| 1.3.1 研究工作 | 第12页 |
| 1.3.2 主要安排 | 第12-14页 |
| 第2章 OpenCV技术及图像预处理 | 第14-23页 |
| 2.1 图像预处理 | 第14-17页 |
| 2.1.1 直方图均衡化 | 第14-15页 |
| 2.1.2 图像滤波 | 第15页 |
| 2.1.3 腐蚀膨胀二值化与图像连通性 | 第15-17页 |
| 2.2 OpenCV简介 | 第17-22页 |
| 2.2.1 下载OpenCV | 第17页 |
| 2.2.2 配置环境变量 | 第17-18页 |
| 2.2.3 OpenCV相关内容介绍 | 第18-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 运动物体的检测 | 第23-47页 |
| 3.1 常用的算法介绍 | 第23-28页 |
| 3.1.1 连续帧间差分法 | 第23-24页 |
| 3.1.2 平均背景差法 | 第24-26页 |
| 3.1.3 光流法 | 第26页 |
| 3.1.4 高斯建模 | 第26-28页 |
| 3.2 特征的获取 | 第28-33页 |
| 3.2.1 颜色特征 | 第28-31页 |
| 3.2.2 LBP算子 | 第31-33页 |
| 3.3 融合改进的LBP的高斯建模 | 第33-34页 |
| 3.4 实验结果分析 | 第34-46页 |
| 3.4.1 前景 | 第34-42页 |
| 3.4.2 背景建模 | 第42-46页 |
| 3.4.3 实验结论 | 第46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 运动物体的跟踪 | 第47-64页 |
| 4.1 常见的跟踪算法 | 第47-48页 |
| 4.2 跟踪算法的实现 | 第48-57页 |
| 4.2.1 MeanShift原理介绍 | 第48-51页 |
| 4.2.2 具体目标跟踪中MeanShift的流程 | 第51-57页 |
| 4.3 改进的传统MeanShift算法描述特征子 | 第57-58页 |
| 4.4 实验结果分析 | 第58-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 个人简介 | 第70页 |