| 摘要 | 第1-7页 |
| ABSTARCT | 第7-12页 |
| 第一章 绪论 | 第12-24页 |
| ·研究背景 | 第12-13页 |
| ·运动目标检测和跟踪的主要方法 | 第13-18页 |
| ·运动目标检测 | 第14-17页 |
| ·运动目标跟踪 | 第17-18页 |
| ·车辆检测的方法和研究现状 | 第18-22页 |
| ·车辆检测系统的组成 | 第18-20页 |
| ·车辆检测方法 | 第20-22页 |
| ·论文的主要工作和创新点 | 第22-23页 |
| ·论文结构 | 第23页 |
| ·实验软硬件环境说明 | 第23-24页 |
| 第二章 基于模型的目标检测和跟踪 | 第24-61页 |
| ·引言 | 第24-25页 |
| ·基于模型的目标检测 | 第25-39页 |
| ·基于模型的方法的原理 | 第25-28页 |
| ·常用的模型相似度量方法 | 第28-30页 |
| ·基于曲线投影的相似度量 | 第30-32页 |
| ·模型匹配算法 | 第32-33页 |
| ·实验结果与分析 | 第33-39页 |
| ·模型与区域相关融合的跟踪算法 | 第39-52页 |
| ·Kalman滤波 | 第39-43页 |
| ·模型与区域相关融合的跟踪算法 | 第43-45页 |
| ·实验结果与分析 | 第45-52页 |
| ·基于SSD和MCD融合的跟踪算法 | 第52-60页 |
| ·SSD和MCD | 第53-55页 |
| ·SSD与MCD融合的方法 | 第55-56页 |
| ·实验结果与分析 | 第56-60页 |
| ·小结 | 第60-61页 |
| 第三章 基于Mean Shift的跟踪算法研究 | 第61-75页 |
| ·引言 | 第61页 |
| ·Mean Shift算法 | 第61-63页 |
| ·Mean Shift的定义 | 第61-62页 |
| ·Mean Shift梯度映射 | 第62-63页 |
| ·使用分块颜色直方图的Mean Shift跟踪算法 | 第63-71页 |
| ·目标表示 | 第64-65页 |
| ·Bhattacharyya系数最大化 | 第65-67页 |
| ·目标旋转和缩放自适应 | 第67-68页 |
| ·实验结果与分析 | 第68-71页 |
| ·Mean Shift用于其他跟踪方法的探讨 | 第71-74页 |
| ·小结 | 第74-75页 |
| 第四章 基于主动轮廓的目标提取和跟踪 | 第75-93页 |
| ·引言 | 第75页 |
| ·常见的主动轮廓模型 | 第75-79页 |
| ·参数活动轮廓模型 | 第75-77页 |
| ·几何活动轮廓模型与水平集方法 | 第77-79页 |
| ·蠕虫主动轮廓模型 | 第79-84页 |
| ·生物智能和仿生算法 | 第79-80页 |
| ·轮廓区域能量定义 | 第80-82页 |
| ·蠕虫行为规则 | 第82-83页 |
| ·蠕虫主动轮廓算法 | 第83-84页 |
| ·蠕虫主动轮廓模型用于图像分割 | 第84-90页 |
| ·提取深度凹陷区域 | 第84-85页 |
| ·蠕虫直径对分割结果的影响 | 第85页 |
| ·噪声图像和弱边缘目标提取 | 第85-88页 |
| ·医学图像分割 | 第88-90页 |
| ·基于蠕虫主动轮廓模型的跟踪算法 | 第90-92页 |
| ·跟踪算法 | 第90-91页 |
| ·非刚体目标的跟踪 | 第91-92页 |
| ·小结 | 第92-93页 |
| 第五章 车辆检测和跟踪系统 | 第93-104页 |
| ·引言 | 第93页 |
| ·检测区和感兴趣区域ROI | 第93-95页 |
| ·检测区的设置 | 第93页 |
| ·获取感兴趣区域——阴影检测 | 第93-95页 |
| ·车辆检测和跟踪 | 第95-101页 |
| ·参数化的车辆模型 | 第95-96页 |
| ·车辆检测和跟踪 | 第96-99页 |
| ·遮挡处理 | 第99-101页 |
| ·车距测量 | 第101-103页 |
| ·小结 | 第103-104页 |
| 第六章 总结及展望 | 第104-107页 |
| 致谢 | 第107-108页 |
| 参考文献 | 第108-116页 |
| 附录 | 第116页 |