| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究的目的和意义 | 第8页 |
| ·三维运动轨迹提取关键技术概述 | 第8-10页 |
| ·立体视觉关键技术 | 第8-9页 |
| ·运动目标跟踪算法关键技术 | 第9-10页 |
| ·双目视觉和轨迹跟踪及重建国内外现状研究 | 第10-11页 |
| ·本课题研究的内容 | 第11-12页 |
| ·论文组织结构 | 第12-14页 |
| 第2章 双目立体视觉基础 | 第14-24页 |
| ·计算机视觉中常用坐标系 | 第14-16页 |
| ·摄像机模型 | 第16-18页 |
| ·摄像机线性模型 | 第16-17页 |
| ·摄像机非线性模型 | 第17-18页 |
| ·双目立体视觉模型 | 第18页 |
| ·双目立体视觉标定步骤 | 第18-21页 |
| ·单应性矩阵 | 第19-20页 |
| ·参数求解 | 第20-21页 |
| ·实验步骤与标定结果 | 第21-22页 |
| ·实验步骤 | 第21-22页 |
| ·标定结果分析 | 第22页 |
| ·本章小结 | 第22-24页 |
| 第3章 运动目标的检测和轨迹跟踪理论 | 第24-34页 |
| ·运动目标的检测和分割 | 第24-27页 |
| ·帧间差分法 | 第24-25页 |
| ·背景减除法 | 第25页 |
| ·光流法 | 第25-27页 |
| ·运动物体轨迹跟踪算法 | 第27-30页 |
| ·MEANSHIFT算法 | 第27-28页 |
| ·Camshift算法 | 第28-30页 |
| ·其它跟踪算法介绍 | 第30页 |
| ·基于Camshift算法物体轨迹跟踪实验及其分析 | 第30-32页 |
| ·算法优缺点分析 | 第32页 |
| ·算法改进思路 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第4章 基于粒子滤波的运动物体轨迹跟踪 | 第34-50页 |
| ·粒子滤波算法理论基础概述 | 第34-36页 |
| ·贝叶斯滤波框架 | 第34-35页 |
| ·序贯重要性采样 | 第35页 |
| ·重采样技术 | 第35-36页 |
| ·粒子滤波算法描述 | 第36-37页 |
| ·基于粒子滤波的运动物体轨迹跟踪 | 第37-39页 |
| ·跟踪目标特征模型 | 第37-38页 |
| ·系统状态预测模型 | 第38页 |
| ·粒子滤波算法跟踪实现 | 第38-39页 |
| ·改进的自适应状态预测模型的粒子滤波算法 | 第39-44页 |
| ·基于轮廓区域的颜色直方图 | 第39-40页 |
| ·基于自适应状态预测模型的粒子滤波算法 | 第40-41页 |
| ·实验结果对比分析 | 第41-44页 |
| ·基于Camshift和粒子滤波相融合的目标跟踪算法的改进 | 第44-48页 |
| ·改进算法描述 | 第45页 |
| ·算法流程图和实现 | 第45-46页 |
| ·实验结果性能分析 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 三维运动轨迹重建 | 第50-58页 |
| ·空间三维轨迹重建 | 第50-53页 |
| ·最小二乘法求取空间点三维坐标 | 第50-51页 |
| ·视差法求空间点三维坐标 | 第51-53页 |
| ·实验平台设计 | 第53页 |
| ·空间点三维坐标的求取及轨迹生成 | 第53-55页 |
| ·实验结果分析 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第6章 结束语 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 硕士期间发表的论文 | 第66页 |