| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·本文研究背景、目的和意义 | 第9-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·视频监控系统发展研究现状 | 第11-12页 |
| ·运动目标检测算法研究现状 | 第12-13页 |
| ·运动目标跟踪算法研究现状 | 第13-16页 |
| ·灰色系统理论研究现状 | 第16页 |
| ·本文主要内容与创新点 | 第16-18页 |
| ·本文章节安排 | 第18-19页 |
| 第二章 相关理论知识综述 | 第19-29页 |
| ·图像预处理方法 | 第19-24页 |
| ·图像滤波 | 第19-21页 |
| ·数学形态学 | 第21-24页 |
| ·GM（1,1）预测模型 | 第24-28页 |
| ·原始GM（1,1）预测模型 | 第24-26页 |
| ·GM（1,1）预测模型的优化 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 静态场景下运动目标检测算法研究 | 第29-41页 |
| ·常用运动目标检测算法 | 第29-36页 |
| ·光流场法 | 第29-30页 |
| ·帧间差分法 | 第30-32页 |
| ·背景差分法 | 第32-36页 |
| ·静态场景下运动目标检测算法研究 | 第36-40页 |
| ·预处理 | 第36-37页 |
| ·背景差分 | 第37-38页 |
| ·边缘检测 | 第38-39页 |
| ·数学形态学处理 | 第39-40页 |
| ·运动人脸检测实验结果 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于Mean Shift 算法和 GM（1,1）预测模型的目标跟踪 | 第41-59页 |
| ·Mean Shift算法理论 | 第41-47页 |
| ·非参数密度估计方法 | 第42-45页 |
| ·Mean Shift 算法原理 | 第45-47页 |
| ·基于Mean Shift算法和GM（1,1）预测模型的运动人脸跟踪 | 第47-58页 |
| ·原始GM（1,1）预测模型作用 | 第47-48页 |
| ·人脸肤色模型 | 第48-49页 |
| ·算法描述 | 第49-52页 |
| ·人脸目标模型更新 | 第52页 |
| ·实验结果与分析 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 基于多特征空间与灰预测的 Mean Shift 目标跟踪 | 第59-69页 |
| ·目标多特征空间描述 | 第59-60页 |
| ·多特征核加权直方图 | 第60-61页 |
| ·多特征相似性度量与目标定位 | 第61-62页 |
| ·算法实现与实验结果分析 | 第62-68页 |
| ·算法实现 | 第62页 |
| ·实验结果分析 | 第62-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间的研究成果 | 第77页 |
