| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和研究意义 | 第9页 |
| 1.2 移动目标识别的国内外研究现状及存在问题 | 第9-11页 |
| 1.2.1 移动目标识别的国内外研究现状 | 第9-11页 |
| 1.2.2 移动目标识别存在问题 | 第11页 |
| 1.3 移动目标跟踪的国内外研究现状及存在问题 | 第11-12页 |
| 1.3.1 移动目标跟踪的国内外研究现状 | 第11-12页 |
| 1.3.2 移动目标跟踪存在问题 | 第12页 |
| 1.4 本文主要工作及论文安排 | 第12-14页 |
| 第二章 基于潜在区域检测的移动目标识别算法 | 第14-43页 |
| 2.1 常见的潜在区域检测方法 | 第14-18页 |
| 2.1.1 帧间差分法 | 第14-15页 |
| 2.1.2 光流法 | 第15-16页 |
| 2.1.3 背景建模法 | 第16-18页 |
| 2.2 基于混合高斯背景模型和三帧差分结合的潜在区域检测方法 | 第18-22页 |
| 2.2.1 混合高斯背景模型 | 第19-20页 |
| 2.2.2 三帧差分方法 | 第20-21页 |
| 2.2.3 基于混合高斯背景模型与三帧差分相结合的潜在区域检测方法 | 第21-22页 |
| 2.3 潜在区域的多特征提取 | 第22-27页 |
| 2.3.1 连通域检测 | 第23-25页 |
| 2.3.2 直线检测 | 第25页 |
| 2.3.3 几何参数提取 | 第25-27页 |
| 2.4 移动目标识别方法 | 第27-30页 |
| 2.4.1 最小二乘向量机原理 | 第27-29页 |
| 2.4.2 基于改进的混合高斯背景模型的移动目标识别方法 | 第29-30页 |
| 2.5 实验结果与分析 | 第30-42页 |
| 2.5.1 船舶与车辆实验数据特性分析 | 第31-32页 |
| 2.5.2 本文潜在区域检测算法与目前经典方法的结果对比 | 第32-36页 |
| 2.5.3 移动目标识别结果与分析 | 第36-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 基于改进的CAMSHIFT算法的移动目标跟踪算法 | 第43-58页 |
| 3.1 经典的CAMSHIFT目标跟踪算法 | 第43-46页 |
| 3.1.1 概率分布图 | 第43-44页 |
| 3.1.2 Camshift算法原理 | 第44-46页 |
| 3.2 基于多特征的CAMSHIFT与无损卡尔曼滤波相结合的目标跟踪算法 | 第46-52页 |
| 3.2.1 本文融合多特征的Camshift算法 | 第46-48页 |
| 3.2.2 无损卡尔曼滤波 | 第48-50页 |
| 3.2.3 遮挡程度衡量 | 第50-51页 |
| 3.2.4 改进的Camshift移动目标跟踪算法 | 第51-52页 |
| 3.3 实验结果与分析 | 第52-57页 |
| 3.3.1 实验数据特性分析 | 第52-53页 |
| 3.3.2 本文目标跟踪算法与目前经典方法的实验结果对比 | 第53-55页 |
| 3.3.3 实验结果分析 | 第55-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 结论与展望 | 第58-60页 |
| 4.1 本文研究工作总结 | 第58-59页 |
| 4.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 在学期间的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
