面向视频监控的目标检测和跟踪技术
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-20页 |
| ·选题背景与研究意义 | 第11-13页 |
| ·选题背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·本文组织结构 | 第18-20页 |
| 第2章 运动目标检测 | 第20-43页 |
| ·目标检测算法综述 | 第20-26页 |
| ·基于运动信息的运动目标检测算法 | 第20-23页 |
| ·基于光流场的运动目标检测方法 | 第23-25页 |
| ·基于目标特征的运动目标检测算法 | 第25页 |
| ·基于图像分割的运动目标检测算法 | 第25-26页 |
| ·运动目标检测算法的选择 | 第26-27页 |
| ·本课题中对目标检测算法的要求 | 第26页 |
| ·运动目标检测算法的分析与选择 | 第26-27页 |
| ·混合高斯模型算法与改进 | 第27-40页 |
| ·混合高斯模型算法 | 第27-33页 |
| ·噪声估计 | 第33-35页 |
| ·获取静止区域算法 | 第35-37页 |
| ·改进的混合高斯模型算法 | 第37-40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 运动目标跟踪 | 第43-65页 |
| ·目标跟踪算法综述 | 第43-47页 |
| ·基于滤波理论的目标跟踪算法 | 第43-44页 |
| ·基于Mean Shift 的目标跟踪算法 | 第44-45页 |
| ·基于偏微分方程的目标跟踪算法 | 第45-46页 |
| ·运动目标跟踪算法的选择 | 第46-47页 |
| ·粒子滤波理论 | 第47-50页 |
| ·粒子滤波算法 | 第48-50页 |
| ·粒子滤波算法的缺陷 | 第50-52页 |
| ·退化现象 | 第50页 |
| ·消除退化现象技术 | 第50-52页 |
| ·基于粒子滤波理论的目标跟踪 | 第52-55页 |
| ·系统状态模型和系统动态模型 | 第52-53页 |
| ·色彩空间的选择 | 第53-55页 |
| ·粒子权重的估计 | 第55页 |
| ·改进的粒子滤波算法 | 第55-58页 |
| ·实验结果与分析 | 第58-64页 |
| ·跟踪结果与分析 | 第58-61页 |
| ·运动目标轨迹与分析 | 第61-63页 |
| ·粒子相似度结果与分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 基于运动目标跟踪的遗留物检测 | 第65-72页 |
| ·遗留物检测算法 | 第65-69页 |
| ·建立背景模型 | 第65-66页 |
| ·阴影去除 | 第66-68页 |
| ·入侵对象判定 | 第68-69页 |
| ·遗留物检测与报警机制 | 第69页 |
| ·遗留物检测系统架构 | 第69-70页 |
| ·遗留物检测算法结果与分析 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-75页 |
| ·本文总结 | 第72-73页 |
| ·展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 作者在学期间所取得的科研成果 | 第81页 |
