| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-19页 |
| ·课题研究背景及意义 | 第11页 |
| ·国内外研究现状 | 第11-14页 |
| ·目标跟踪技术 | 第11-13页 |
| ·信息融合技术 | 第13-14页 |
| ·特征融合 | 第14-16页 |
| ·多特征融合跟踪技术现状 | 第14-16页 |
| ·技术难点 | 第16页 |
| ·创新点及总体框架结构 | 第16-19页 |
| ·主要创新点 | 第16-17页 |
| ·总体框架和结构安排 | 第17-19页 |
| 2 Mean Shift目标跟踪框架 | 第19-29页 |
| ·Mean Shift算法 | 第19-23页 |
| ·Mean Shift原理 | 第19-22页 |
| ·Mean Shift算法的应用与发展 | 第22-23页 |
| ·基于颜色特征概率密度的目标模型和目标定位 | 第23-26页 |
| ·目标模型 | 第23-24页 |
| ·候选目标模型 | 第24页 |
| ·相似度量与目标定位 | 第24-26页 |
| ·实验结果分析 | 第26-28页 |
| ·匹配权值对目标模型的影响 | 第26-27页 |
| ·相似的背景颜色对跟踪的影响 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 基于伪-矩特征的Mean Shift跟踪算法 | 第29-38页 |
| ·鲁棒的Mean Shift算法 | 第29-32页 |
| ·伪-矩特征的提出 | 第29-31页 |
| ·伪-矩特征的提出 | 第31-32页 |
| ·技术路线 | 第32-33页 |
| ·实验结果分析 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 4 多特征融合策略 | 第38-56页 |
| ·目标特征提取 | 第39-51页 |
| ·运动特征提取 | 第39-40页 |
| ·边缘特征提取 | 第40-42页 |
| ·颜色特征提取 | 第42-44页 |
| ·角点特征提取 | 第44-47页 |
| ·纹理特征提取 | 第47-51页 |
| ·自适应特征选择 | 第51-52页 |
| ·基于最大似然比的特征选择 | 第51-52页 |
| ·基于特征点的特征选择 | 第52页 |
| ·多特征目标跟踪 | 第52-55页 |
| ·本研究的具体技术路线 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 5 基于方向与颜色特征融合的Mean Shift跟踪算法 | 第56-64页 |
| ·增强的角点方向直方图 | 第56-58页 |
| ·联合直方图 | 第58-59页 |
| ·算法流程 | 第59页 |
| ·在实际视频中使用该算法 | 第59-63页 |
| ·对运动人体的跟踪 | 第60页 |
| ·算法性能评价 | 第60-61页 |
| ·对运动员头部的跟踪 | 第61-62页 |
| ·对快速运动的车的跟踪 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·工作总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 在学研究成果 | 第71-72页 |
| 致谢 | 第72页 |