| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状和发展态势 | 第11页 |
| 1.3 常用目标跟踪算法概述 | 第11-14页 |
| 1.4 本文研究内容和结构 | 第14-16页 |
| 第二章 Mean-Shift跟踪算法研究与应用 | 第16-27页 |
| 2.1 非参数密度估计理论 | 第16-17页 |
| 2.2 Mean Shift理论 | 第17-19页 |
| 2.3 Bhattacharyya相似系数应用分析 | 第19-20页 |
| 2.4 目标跟踪Mean-Shift算法研究 | 第20-23页 |
| 2.4.1 目标模型建立 | 第21页 |
| 2.4.2 候选模型建立 | 第21-22页 |
| 2.4.3 目标重定位 | 第22-23页 |
| 2.5 Mean-Shift算法实验及分析 | 第23-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 图像增强在Mean-Shift跟踪算法中应用研究 | 第27-40页 |
| 3.1 目标跟踪中阴影区域影响分析 | 第27-28页 |
| 3.2 自适应动态范围压缩技术分析与实现 | 第28-30页 |
| 3.3 局部对比增强技术分析与实现 | 第30-32页 |
| 3.4 RGB颜色重映射 | 第32-33页 |
| 3.5 图像增强在Mean-Shift跟踪算法中应用与分析 | 第33-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 遮挡情况下Mean-Shift跟踪算法分析 | 第40-64页 |
| 4.1 目标跟踪遮挡情况分析 | 第40-41页 |
| 4.2 核函数改进分析及应用 | 第41-49页 |
| 4.3 Kalman滤波器分析 | 第49-52页 |
| 4.3.1 Kalman滤波器基本原理 | 第49-51页 |
| 4.3.2 基于Kalman滤波器目标状态预测及修正 | 第51-52页 |
| 4.4 基于Kalman滤波器的Mean-Shift改进算法 | 第52-53页 |
| 4.5 Mean-Shift改进算法应用及分析 | 第53-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 Mean-Shift跟踪算法目标模型选择分析 | 第64-78页 |
| 5.1 常用前景提取算法分析 | 第64-66页 |
| 5.2 ViBe算法分析及应用 | 第66-70页 |
| 5.2.1 像素建模及像素分类 | 第66-68页 |
| 5.2.2 背景模型单帧初始化 | 第68-69页 |
| 5.2.3 背景模型更新策略 | 第69-70页 |
| 5.3 基于信息融合Mean-Shift改进算法 | 第70-71页 |
| 5.4 Mean-shift改进算法应用及分析 | 第71-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 结论 | 第78-80页 |
| 6.1 全文总结 | 第78页 |
| 6.2 研究展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士期间发表论文 | 第87-88页 |
