| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 多目标检测与跟踪概述 | 第10-15页 |
| 1.2.1 国内外研究现状 | 第10-11页 |
| 1.2.2 多目标跟踪的一般流程 | 第11-14页 |
| 1.2.3 多目标检测与跟踪的技术难点 | 第14-15页 |
| 1.3 主要研究工作及方法 | 第15-16页 |
| 1.4 论文的章节安排 | 第16-17页 |
| 第二章 运动目标检测 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 主要的目标检测方法 | 第17-25页 |
| 2.2.1 帧差法 | 第17-18页 |
| 2.2.2 光流法 | 第18-19页 |
| 2.2.3 背景减除法 | 第19-25页 |
| 2.3 本文运动目标检测算法 | 第25-28页 |
| 2.3.1 算法思路 | 第25-26页 |
| 2.3.2 背景模型建立及更新 | 第26-27页 |
| 2.3.3 边缘检测 | 第27页 |
| 2.3.4 区域合并 | 第27页 |
| 2.3.5 实验结果与分析 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于卡尔曼滤波的多目标跟踪算法实现 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 多目标跟踪中的遮挡问题 | 第29-30页 |
| 3.3 卡尔曼滤波 | 第30-33页 |
| 3.3.1 基本理论 | 第31-32页 |
| 3.3.2 卡尔曼滤波算法介绍 | 第32-33页 |
| 3.3.3 滤波器参数选择 | 第33页 |
| 3.4 跟踪算法 | 第33-39页 |
| 3.4.1 目标描述 | 第34-35页 |
| 3.4.2 颜色相似度计算 | 第35-36页 |
| 3.4.3 目标状态参数更新 | 第36-37页 |
| 3.4.4 算法实现 | 第37-38页 |
| 3.4.5 实验结果与分析 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 利用 Mean Shift 改进遮挡处理的跟踪算法 | 第41-58页 |
| 4.1 引言 | 第41页 |
| 4.2 Mean Shift 算法 | 第41-50页 |
| 4.2.1 无参密度估计理论 | 第42-43页 |
| 4.2.2 Mean Shift 算法原理 | 第43-46页 |
| 4.2.3 基于 Mean Shift 的目标跟踪算法 | 第46-49页 |
| 4.2.4 实验结果与分析 | 第49-50页 |
| 4.3 本文的多目标跟踪算法 | 第50-53页 |
| 4.3.1 算法流程 | 第51-52页 |
| 4.3.2 实验结果与分析 | 第52-53页 |
| 4.4 基于 OpenCV 的多目标跟踪算法的实现 | 第53-57页 |
| 4.4.1 OpenCV 简介 | 第54-55页 |
| 4.4.2 基于 OpenCV 的多目标跟踪系统 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间公开发表的论文及科研成果 | 第64-65页 |
| 致谢 | 第65-66页 |
