| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究的意义和背景 | 第8-9页 |
| 1.2 课题的研究现状 | 第9-13页 |
| 1.2.1 目标特征提取技术 | 第9-10页 |
| 1.2.2 运动目标检测技术 | 第10-11页 |
| 1.2.3 运动目标跟踪技术 | 第11-13页 |
| 1.3 研究任务及论文安排 | 第13-15页 |
| 第二章 结合W4算法和LBP模型的运动目标检测方法 | 第15-24页 |
| 2.1 经典W4算法背景模型 | 第15-16页 |
| 2.2 局部二元图 | 第16-18页 |
| 2.2.1 LBP纹理模式 | 第16-17页 |
| 2.2.2 改进的LBP模式 | 第17-18页 |
| 2.2.3 新LBP模式直方图 | 第18页 |
| 2.3 结合W4算法与改进LBP纹理的运动目标检测 | 第18-21页 |
| 2.3.1 局部LBP纹理和局部W4灰度信息 | 第18-19页 |
| 2.3.2 背景建模以及更新 | 第19-20页 |
| 2.3.3 运动目标检测 | 第20-21页 |
| 2.4 实验结果与分析 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 结合多特征的Camshift运动目标跟踪算法 | 第24-38页 |
| 3.1 特征提取 | 第24-26页 |
| 3.1.1 LBP纹理特征 | 第24-25页 |
| 3.1.2 颜色特征 | 第25页 |
| 3.1.3 特征提取 | 第25-26页 |
| 3.2 传统的Camshift运动目标跟踪算法 | 第26-28页 |
| 3.3 目标信息提取 | 第28-29页 |
| 3.4 目标位置预测模型 | 第29-31页 |
| 3.5 基于多特征融合和曲线拟合的跟踪算法 | 第31-33页 |
| 3.6 实验结果与分析 | 第33-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 基于稀疏表示和均值漂移的运动目标跟踪算法 | 第38-53页 |
| 4.1 多方位的均值漂移方法 | 第38-40页 |
| 4.1.1 位置空间估计 | 第38-39页 |
| 4.1.2 方向空间估计 | 第39页 |
| 4.1.3 尺度空间估计 | 第39-40页 |
| 4.2 稀疏表示 | 第40-44页 |
| 4.2.1 稀疏表示理论 | 第40-41页 |
| 4.2.2 稀疏表示在目标跟踪中的应用 | 第41-42页 |
| 4.2.3 密度块采样 | 第42页 |
| 4.2.4 字典学习 | 第42-43页 |
| 4.2.5 直方图表示 | 第43页 |
| 4.2.6 琐碎模板 | 第43-44页 |
| 4.3 空间金字塔 | 第44-45页 |
| 4.4 方案的实施 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-52页 |
| 4.5.1 实验配置 | 第46-47页 |
| 4.5.2 定量分析 | 第47-49页 |
| 4.5.3 定性分析 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 工作不足及展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 附录：攻读硕士学位期间发表学术论文情况 | 第61页 |
