| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.1.1 课题研究的背景 | 第8-9页 |
| 1.1.2 课题研究的意义 | 第9页 |
| 1.2 研究现状综述 | 第9-11页 |
| 1.3 研究方法和主要存在问题 | 第11-18页 |
| 1.3.1 运动目标检测 | 第11-14页 |
| 1.3.2 运动目标跟踪 | 第14-16页 |
| 1.3.3 运动目标统计 | 第16-18页 |
| 1.4 本文拟解决的关键问题和采取的研究方法 | 第18-19页 |
| 第二章 运动目标检测 | 第19-28页 |
| 2.1 常见运动目标检测的方法 | 第19-23页 |
| 2.1.1 帧间差分法 | 第19-21页 |
| 2.1.2 背景减除法 | 第21-22页 |
| 2.1.3 光流场法 | 第22-23页 |
| 2.2 本文采用的运动目标检测方法 | 第23-27页 |
| 2.2.1 采用新算法的思想 | 第23页 |
| 2.2.2 新算法的描述 | 第23-24页 |
| 2.2.3 背景模型的更新 | 第24-26页 |
| 2.2.4 实验测试和结果分析 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 运动目标分类 | 第28-37页 |
| 3.1 图像特征概述 | 第28-32页 |
| 3.1.1 形状特征 | 第29-31页 |
| 3.1.2 颜色特征 | 第31-32页 |
| 3.1.3 纹理特征 | 第32页 |
| 3.2 目标分类方法 | 第32-34页 |
| 3.2.1 贝叶斯决策 | 第33页 |
| 3.2.2 人工神经网络 | 第33-34页 |
| 3.2.3 支持向量机 | 第34页 |
| 3.3 本文目标分类方法 | 第34-35页 |
| 3.4 实验结果分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 运动目标跟踪 | 第37-49页 |
| 4.1 Camshift搜索算法基本原理 | 第37-40页 |
| 4.2.基于卡尔曼(Kalman)滤波的运动目标状态估计 | 第40-42页 |
| 4.3 本文采用的运动目标跟踪方法 | 第42-48页 |
| 4.3.1 目标遮掩的判断和处理 | 第43页 |
| 4.3.2 本文跟踪算法的总体流程 | 第43-44页 |
| 4.3.3 实验结果分析 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 系统开发及实验结果 | 第49-61页 |
| 5.1 系统开发使用的工具简介 | 第49-50页 |
| 5.1.1 硬件工具简介 | 第49页 |
| 5.1.2 软件工具简介 | 第49-50页 |
| 5.2 系统设计与实现 | 第50-57页 |
| 5.2.1 系统流程介绍 | 第50-51页 |
| 5.2.2 系统模块 | 第51页 |
| 5.2.3 系统界面和功能介绍 | 第51-57页 |
| 5.2.4 系统统计功能实现 | 第57页 |
| 5.3 实验结果与分析 | 第57-59页 |
| 5.3.1 统计结果 | 第59页 |
| 5.3.2 误差分析 | 第59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67页 |