| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目次 | 第10-12页 |
| 图清单 | 第12页 |
| 表清单 | 第12-13页 |
| 1 绪论 | 第13-19页 |
| ·选题依据及背景概述 | 第13-14页 |
| ·国内外智能交通系统研究现状 | 第14-15页 |
| ·运动目标检测与跟踪技术的研究现状 | 第15-17页 |
| ·主要研究内容及章节安排 | 第17-19页 |
| 2 基于帧差和混合高斯相结合的目标检测 | 第19-28页 |
| ·目标检测主要算法及原理 | 第19-21页 |
| ·光流法 | 第19-20页 |
| ·帧间差分法 | 第20页 |
| ·背景减除法 | 第20-21页 |
| ·帧差和混合高斯相结合的背景模型 | 第21-24页 |
| ·混合高斯背景模型的缺陷 | 第21-22页 |
| ·混合高斯背景模型原理及其步骤 | 第22-24页 |
| ·改进的检测方法 | 第24页 |
| ·基于帧差和混合高斯结合算法的实验及分析 | 第24-26页 |
| ·运动目标的提取及分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 分块 MEAN-SHIFT 的目标跟踪算法 | 第28-47页 |
| ·跟踪算法介绍 | 第28-29页 |
| ·分块 Mean-shift 目标跟踪算法 | 第29-43页 |
| ·复杂场景中的运动目标跟踪 | 第29-30页 |
| ·Mean-shift 算法 | 第30-37页 |
| ·核密度梯度估计 | 第31-32页 |
| ·均值偏移向量 | 第32-34页 |
| ·Mean-shift 目标跟踪算法 | 第34-37页 |
| ·结合 Kalman 滤波的 Mean-shift 跟踪算法 | 第37-39页 |
| ·Kalman 滤波原理与流程 | 第37-38页 |
| ·结合 Kalman 滤波的 Mean-shift 算法及流程 | 第38-39页 |
| ·分块 Mean-shift 算法的实现 | 第39-43页 |
| ·分块跟踪 | 第39-40页 |
| ·跟踪检测器 | 第40-41页 |
| ·算法实现步骤 | 第41-43页 |
| ·实验结果及分析 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 4 遮挡情况下的运动目标跟踪 | 第47-62页 |
| ·运动目标遮挡的分析 | 第47-48页 |
| ·完全遮挡下的跟踪 | 第48-59页 |
| ·目标完全遮挡时的目标搜索方法 | 第48-49页 |
| ·自适应步长选择的 NCC 图像匹配算法 | 第49-58页 |
| ·归一化互相关算法 | 第49-50页 |
| ·自适应步长选择的搜索机制 | 第50-52页 |
| ·归一化互相关系数算子的改进 | 第52-54页 |
| ·匹配算法实现步骤及效果 | 第54-58页 |
| ·目标完全遮挡跟踪流程 | 第58-59页 |
| ·实验效果及分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 5 结论与展望 | 第62-65页 |
| ·工作与总结 | 第62-63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简历 | 第69页 |