| 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 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状及发展趋势 | 第11-15页 |
| 1.3.1 运动目标检测算法研究现状 | 第11-12页 |
| 1.3.2 运动目标阴影去除算法研究现状 | 第12页 |
| 1.3.3 运动目标的分类识别研究现状 | 第12-14页 |
| 1.3.4 运动目标跟踪算法研究现状 | 第14-15页 |
| 1.4 本文研究内容 | 第15-16页 |
| 1.5 论文的结构安排 | 第16-17页 |
| 第二章 运动目标的检测、分类识别与跟踪技术综述 | 第17-27页 |
| 2.1 图像预处理 | 第17-19页 |
| 2.1.1 RGB颜色空间 | 第17-18页 |
| 2.1.2 HSV颜色空间 | 第18-19页 |
| 2.1.3 其他颜色空间 | 第19页 |
| 2.1.4 颜色空间的选择 | 第19页 |
| 2.2 运动目标的检测技术 | 第19-23页 |
| 2.3 运动目标的阴影消除技术 | 第23-24页 |
| 2.4 运动目标的分类识别技术 | 第24-25页 |
| 2.5 运动目标的跟踪技术 | 第25页 |
| 2.6 本章小结 | 第25-27页 |
| 第三章 自适应混合高斯背景建模和阴影去除方法 | 第27-37页 |
| 3.1 高斯背景建模的方法 | 第27-30页 |
| 3.1.1 单高斯背景建模 | 第27-28页 |
| 3.1.2 混合高斯背景建模 | 第28-30页 |
| 3.2 改进的混合高斯背景模型 | 第30-31页 |
| 3.3 运动目标阴影去除 | 第31-34页 |
| 3.3.1 阴影的产生 | 第31-32页 |
| 3.3.2 阴影的特征 | 第32页 |
| 3.3.3 阴影去除算法 | 第32-33页 |
| 3.3.4 改进的基于HSV空间的阴影检测模型 | 第33-34页 |
| 3.3.5 算法具体步骤 | 第34页 |
| 3.4 实验结果及其分析 | 第34-36页 |
| 3.4.1 实验数据和结果 | 第34-36页 |
| 3.4.2 实验结果分析 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于改进核FISHER判别分析运动目标的分类识别 | 第37-47页 |
| 4.1 FISHER鉴别准则 | 第37-41页 |
| 4.2 改进的核FISHER判别分析 | 第41页 |
| 4.3 基于改进的核FISHER判别分析实验结果及其分析 | 第41-46页 |
| 4.3.1 运动目标分类识别实验 | 第41-44页 |
| 4.3.2 人脸识别实验 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 自适应阈值与卡尔曼滤波结合的运动目标跟踪方法 | 第47-55页 |
| 5.1 引言 | 第47页 |
| 5.2 卡尔曼滤波算法 | 第47-49页 |
| 5.3 卡尔曼滤波跟踪 | 第49-51页 |
| 5.4 自适应阈值与KALMAN滤波的结合 | 第51-52页 |
| 5.5 实验内容及结果 | 第52-53页 |
| 5.6 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 论文总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间主要研究成果 | 第62-63页 |
| 致谢 | 第63页 |
