| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 运动目标检测与跟踪算法的研究现状 | 第11-16页 |
| 1.2.1 运动目标检测研究现状 | 第12-14页 |
| 1.2.2 运动目标跟踪研究现状 | 第14-16页 |
| 1.3 当前运动目标检测与跟踪存在的问题 | 第16页 |
| 1.4 论文主要内容及章节安排 | 第16-18页 |
| 第2章 视频图像处理相关技术基础 | 第18-29页 |
| 2.1 运动目标检测 | 第18-20页 |
| 2.1.1 帧间差分法 | 第18-19页 |
| 2.1.2 光流法 | 第19页 |
| 2.1.3 背景差分法 | 第19-20页 |
| 2.2 运动目标跟踪 | 第20-23页 |
| 2.2.1 基于匹配的运动目标跟踪 | 第20-21页 |
| 2.2.2 基于实时检测的运动目标跟踪 | 第21-22页 |
| 2.2.3 基于贝叶斯滤波的运动目标跟踪 | 第22页 |
| 2.2.4 基于核密度估计的运动目标跟踪方法 | 第22-23页 |
| 2.3 图像处理的基本方法 | 第23-28页 |
| 2.3.1 数学形态学处理 | 第23-24页 |
| 2.3.2 常用的边缘检测算子 | 第24-26页 |
| 2.3.3 HSV颜色空间 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于自适应混合高斯模型的运动目标检测改进算法 | 第29-43页 |
| 3.1 引言 | 第29-30页 |
| 3.2 运动目标检测改进算法 | 第30-35页 |
| 3.2.1 运动区域提取 | 第30-32页 |
| 3.2.2 混合高斯模型 | 第32-34页 |
| 3.2.3 改进的背景建模方法 | 第34-35页 |
| 3.3 基于HSV空间的阴影消除 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于混合高斯模型和Kalman滤波的目标检测与跟踪 | 第43-55页 |
| 4.1 引言 | 第43-44页 |
| 4.2 运动目标检测 | 第44-46页 |
| 4.2.1 高斯模型的初始化与更新 | 第45-46页 |
| 4.2.2 改进的权重更新机制 | 第46页 |
| 4.3 基于Kalman滤波器运动目标跟踪 | 第46-50页 |
| 4.3.1 改进的Kalman滤波预测算法 | 第46-49页 |
| 4.3.2 运动目标跟踪过程 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 论文总结 | 第55-56页 |
| 5.2 后续研究工作 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第64-65页 |
| 附表 | 第65页 |