| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·计算机视觉概述 | 第8-9页 |
| ·人类视觉 | 第8页 |
| ·计算机视觉 | 第8-9页 |
| ·课题研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·红外成像 | 第10-11页 |
| ·红外行人检测与跟踪研究现状 | 第11-13页 |
| ·论文的章节安排 | 第13-14页 |
| 2 红外序列图像中的运动目标检测 | 第14-26页 |
| ·运动目标检测方法概述 | 第14-16页 |
| ·基于光流场分析的算法 | 第14-15页 |
| ·基于模型的检测方法 | 第15页 |
| ·基于主动轮廓的方法 | 第15页 |
| ·基于图像差分的检测算法 | 第15-16页 |
| ·背景模型 | 第16-18页 |
| ·统计平均法背景模型 | 第17页 |
| ·高斯分布背景模型 | 第17-18页 |
| ·阈值分割 | 第18-21页 |
| ·直方图阈值法 | 第18-19页 |
| ·基于灰度平均值的二值化方法 | 第19-20页 |
| ·Otsu 阈值化方法 | 第20-21页 |
| ·二值图像处理 | 第21-24页 |
| ·数学形态学 | 第21-22页 |
| ·连通区域标记 | 第22-24页 |
| ·红外序列图像中运动区域检测结果 | 第24-26页 |
| 3 目标区域的形状描述 | 第26-30页 |
| ·傅立叶描述子 | 第26-27页 |
| ·目标区域的形状特征提取 | 第27-30页 |
| 4 基于BP 神经网络的行人检测分类器设计 | 第30-47页 |
| ·人工神经网络 | 第30-31页 |
| ·人工神经元模型 | 第31-32页 |
| ·人工神经网络的结构 | 第32-33页 |
| ·人工神经网络的学习 | 第33-35页 |
| ·BP 神经网络 | 第35-38页 |
| ·行人检测分类器的设计及实验结果 | 第38-47页 |
| ·结构设计 | 第38-42页 |
| ·BP 网络的训练 | 第42-45页 |
| ·BP 网络分类器的识别 | 第45-47页 |
| 5 红外序列图像中的多行人跟踪及算法实现 | 第47-55页 |
| ·运动目标跟踪概述 | 第47页 |
| ·运动目标跟踪的主要方法 | 第47-48页 |
| ·基于模型的跟踪(model-based tracking) | 第47页 |
| ·基于模板的跟踪(template-based tracking) | 第47-48页 |
| ·基于特征的跟踪(feature-based tracking) | 第48页 |
| ·运动区域关系分析 | 第48-49页 |
| ·红外图像中的多行人跟踪 | 第49-53页 |
| ·Objects 结构体 | 第50页 |
| ·匹配矩阵MatchMx 分析 | 第50-53页 |
| ·多行人跟踪结果 | 第53-55页 |
| 6 总结与展望 | 第55-57页 |
| ·本文工作总结 | 第55页 |
| ·未来工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录：作者在攻读学位期间发表的论文目录 | 第61页 |
