| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 概述 | 第7-10页 |
| ·选题背景和研究意义 | 第7-8页 |
| ·研究现状和所存在的问题 | 第8-9页 |
| ·本文的主要工作和研究成果 | 第9-10页 |
| 第二章 目标跟踪与图像分割基础 | 第10-19页 |
| ·目标跟踪原理 | 第10-13页 |
| ·基于目标运动参数的跟踪方法 | 第11-12页 |
| ·基于目标图像信息的跟踪方法 | 第12-13页 |
| ·存在的问题 | 第13-14页 |
| ·图像分割 | 第14-17页 |
| ·基于区域的分割技术 | 第14-15页 |
| ·基于边缘的分割技术 | 第15页 |
| ·基于特定理论的图像分割技术 | 第15-17页 |
| ·目标的特征提取 | 第17-19页 |
| 第三章 目标跟踪的特征和特征匹配 | 第19-29页 |
| ·图像匹配概述 | 第19-22页 |
| ·图像匹配相关算法 | 第22-26页 |
| ·幅度排序相关算法 | 第22页 |
| ·序贯相似度检测算法 | 第22-24页 |
| ·分层搜索的序贯判决算法 | 第24-25页 |
| ·运动目标运动预测方法 | 第25-26页 |
| ·基于更新模板的相关匹配算法 | 第26-27页 |
| ·实验结果与分析 | 第27-29页 |
| 第四章 复杂背景下的单目标跟踪 | 第29-37页 |
| ·目标自适应分块 | 第29-30页 |
| ·粒子预测 | 第30-31页 |
| ·Hausdroff 距离跟踪 | 第31-32页 |
| ·Hausdorff 的关键技术 | 第31页 |
| ·改进Hausdorff 距离方法 | 第31-32页 |
| ·自适应图像匹配跟踪算法 | 第32-34页 |
| ·模板图像更新 | 第32-34页 |
| ·基于粒子预测的自适应图像匹配目标跟踪算法 | 第34页 |
| ·实验结果及分析 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第五章 处理遮挡问题 | 第37-43页 |
| ·遮挡问题 | 第37页 |
| ·匹配特征的选择 | 第37-38页 |
| ·基于自适应模板的 Kalman 预测 | 第38-39页 |
| ·mean shift 跟踪算法 | 第38页 |
| ·Kalman 滤波器 | 第38页 |
| ·基于自适应模板更新的Kalman 预测 | 第38-39页 |
| ·遮挡下边缘匹配算法 | 第39-40页 |
| ·SSDA 边缘检测算法 | 第39-40页 |
| ·模板更新 | 第40页 |
| ·遮挡下基于多子块的灰度相关匹配算法 | 第40页 |
| ·实验结果及分析 | 第40-42页 |
| ·边缘匹配和灰度匹配的对比试验法 | 第40-41页 |
| ·目标遮挡下基于灰度匹配的跟踪 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第六章 复杂背景下多目标跟踪算法 | 第43-57页 |
| ·多目标跟踪经典的算法 | 第43-48页 |
| ·“最近邻”滤波算法（NNF） | 第43页 |
| ·概率数据关联滤波算法（PDA） | 第43-45页 |
| ·联合概率数据关联 | 第45-46页 |
| ·交互多模型算法（IMM） | 第46-48页 |
| ·基本粒子滤波算法 | 第48-49页 |
| ·均值漂移算法原理 | 第49-53页 |
| ·定位目标 | 第49-50页 |
| ·更新模板法 | 第50-51页 |
| ·自适应初始搜索点预测 | 第51-52页 |
| ·改进的均值漂移算法 | 第52页 |
| ·改进的均值漂移算法应用于目标跟踪 | 第52-53页 |
| ·粒子滤波器与改进的均值漂移算法相结合的目标跟踪算法 | 第53-54页 |
| ·算法仿真及实验结果分析 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第七章 总结与展望 | 第57-58页 |
| ·总结 | 第57页 |
| ·展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第62页 |