| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究课题背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本论文的研究内容及组织结构 | 第12-13页 |
| 第2章 运动目标检测与跟踪 | 第13-19页 |
| ·概述 | 第13页 |
| ·运动目标检测常用算法分析 | 第13-15页 |
| ·运动目标跟踪算法分析 | 第15-16页 |
| ·相关图像处理技术 | 第16-18页 |
| ·颜色模型 | 第16-18页 |
| ·图像去噪 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第3章 基于虚拟线圈的车辆检测与计数 | 第19-28页 |
| ·形态学处理 | 第19-20页 |
| ·单高斯背景模型 | 第20-21页 |
| ·基于混合高斯模型的背景差分法 | 第21-24页 |
| ·混合高斯背景模型建模 | 第21-22页 |
| ·混合高斯模型的参数初始化 | 第22页 |
| ·混合高斯模型的更新 | 第22-23页 |
| ·背景提取与前景分割 | 第23-24页 |
| ·基于虚拟线圈的交通车辆的检测与统计计数算法 | 第24-27页 |
| ·虚拟线圈的设置 | 第24页 |
| ·算法原理 | 第24-25页 |
| ·算法流程 | 第25-26页 |
| ·实验结果及分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 基于多特征融合的视频单目标跟踪算法 | 第28-42页 |
| ·SURF 特征点的检测及描述 | 第28-31页 |
| ·积分图像 | 第28-29页 |
| ·基于框式滤波器的 Hessian 矩阵检测 | 第29-30页 |
| ·SURF 特征点的定位 | 第30页 |
| ·SURF 特征描述子 | 第30-31页 |
| ·粒子滤波算法 | 第31-35页 |
| ·贝叶斯滤波原理 | 第31-32页 |
| ·蒙特卡罗方法 | 第32页 |
| ·重要性抽样 | 第32-33页 |
| ·序列重要性采样 | 第33-34页 |
| ·重采样技术 | 第34页 |
| ·粒子滤波算法介绍 | 第34-35页 |
| ·基于颜色信息与 SURF 特征相融合的粒子滤波目标跟踪算法 | 第35-41页 |
| ·目标模型的建立 | 第35-37页 |
| ·状态转移模型 | 第37页 |
| ·模型更新 | 第37-38页 |
| ·算法流程 | 第38页 |
| ·实验结果及分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 结合 CamShift 的粒子滤波多目标跟踪算法 | 第42-53页 |
| ·CamShift 算法 | 第42-46页 |
| ·MeanShift 算法 | 第42-43页 |
| ·CamShift 算法介绍 | 第43-44页 |
| ·基于 Camshift 算法的目标跟踪实验结果及分析 | 第44-46页 |
| ·结合 CamShift 的粒子滤波多目标跟踪算法设计 | 第46-52页 |
| ·粒子滤波跟踪算法一般步骤 | 第46-47页 |
| ·状态转移模型 | 第47页 |
| ·目标模型及模型更新 | 第47-49页 |
| ·算法步骤 | 第49-51页 |
| ·实验结果及分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
