| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-21页 |
| ·课题研究背景及意义 | 第11页 |
| ·智能视频监控国内外研究现状 | 第11-12页 |
| ·视频目标跟踪技术概述 | 第12-17页 |
| ·目标跟踪基本思路 | 第12-14页 |
| ·常见的运动目标检测算法 | 第14-16页 |
| ·常见的运动目标跟踪算法 | 第16-17页 |
| ·目标跟踪难点 | 第17-18页 |
| ·论文的创新点和结构安排 | 第18-21页 |
| ·论文创新点 | 第18-19页 |
| ·论文内容安排 | 第19-21页 |
| 2 运动目标检测 | 第21-32页 |
| ·帧差法检测运动目标 | 第21-23页 |
| ·背景差分法提取运动目标 | 第23-26页 |
| ·形态学滤波 | 第26-29页 |
| ·轮廓提取 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 3 基于卡尔曼滤波的视频目标跟踪 | 第32-41页 |
| ·卡尔曼滤波原理 | 第32-36页 |
| ·卡尔曼滤波概述 | 第32页 |
| ·离散卡尔曼滤波器 | 第32-34页 |
| ·卡尔曼滤波器工作流程 | 第34-36页 |
| ·基于卡尔曼滤波器的视频目标运动模型建立 | 第36-37页 |
| ·实验结果及分析 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 4 基于Mean Shift的视频目标跟踪 | 第41-54页 |
| ·Mean Shift简介 | 第41-42页 |
| ·Mean Shift基本思想 | 第42-43页 |
| ·扩展的Mean Shift | 第43-44页 |
| ·核函数的概念 | 第43页 |
| ·扩展Mean Shift形式 | 第43-44页 |
| ·Mean Shift的物理意义 | 第44-46页 |
| ·Mean Shift算法 | 第46-50页 |
| ·Mean Shift算法迭代步骤 | 第46-47页 |
| ·Mean Shift向量收敛性证明 | 第47-50页 |
| ·基于Mean Shift的视频目标跟踪 | 第50-51页 |
| ·初始帧目标特征模型的建立 | 第50页 |
| ·当前帧目标特征模型建立 | 第50页 |
| ·特征匹配规则 | 第50-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 5 Mean Shift及其改进算法在目标跟踪中的应用 | 第54-75页 |
| ·RGB和HSV颜色空间 | 第54-56页 |
| ·RGB颜色空间 | 第54页 |
| ·HSV颜色空间 | 第54-56页 |
| ·自适应Mean Shift算法在目标跟踪中的应用 | 第56-62页 |
| ·颜色特征提取 | 第56-57页 |
| ·窗口自适应Mean Shift算法 | 第57-59页 |
| ·卡尔曼滤波预测初始位置 | 第59-60页 |
| ·实验结果及分析 | 第60-62页 |
| ·机动快速运动目标的精确跟踪方法 | 第62-74页 |
| ·时空域联合的视频目标跟踪 | 第62-63页 |
| ·Bhattacharyya系数确定初始匹配窗口 | 第63-65页 |
| ·自适应搜索窗口确定 | 第65-67页 |
| ·实验结果及讨论 | 第67-74页 |
| ·本章小结 | 第74-75页 |
| 6 总结与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 在学研究成果 | 第83-85页 |
| 致谢 | 第85页 |