| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 运动目标检测 | 第11-14页 |
| 1.2.2 运动目标跟踪 | 第14-16页 |
| 1.3 主要研究内容 | 第16页 |
| 1.4 本文结构安排 | 第16-18页 |
| 第2章 数字图像处理算法及建模分析 | 第18-30页 |
| 2.1 颜色模型分析 | 第18-20页 |
| 2.1.1 RGB颜色模型 | 第18-19页 |
| 2.1.2 YUV颜色模型 | 第19-20页 |
| 2.1.3 RGB颜色模型与YUV颜色模型相互转换 | 第20页 |
| 2.2 图像滤波算法分析 | 第20-23页 |
| 2.2.1 中值滤波 | 第20-22页 |
| 2.2.2 均值滤波 | 第22-23页 |
| 2.3 图像二值化处理 | 第23-26页 |
| 2.4 图像形态学处理 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 运动目标检测算法设计 | 第30-38页 |
| 3.1 运动目标检测的基本方法 | 第30-35页 |
| 3.1.1 光流法 | 第30页 |
| 3.1.2 帧间差分法 | 第30-33页 |
| 3.1.3 背景差分法 | 第33-35页 |
| 3.2 结合背景差分法与相邻帧差法的运动目标检测算法 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 运动目标跟踪算法设计 | 第38-48页 |
| 4.1 Camshift跟踪算法分析 | 第38-45页 |
| 4.1.1 目标的颜色概率分布图 | 第39-40页 |
| 4.1.2 Meanshift算法分析 | 第40-42页 |
| 4.1.3 Camshift算法实现 | 第42-45页 |
| 4.2 改进后的Camshift算法 | 第45页 |
| 4.3 实验结果及分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 运动目标检测与跟踪系统的实现 | 第48-63页 |
| 5.1 系统实验平台 | 第48-53页 |
| 5.1.1 ICETEK-DM642-BR开发板 | 第48-51页 |
| 5.1.2 系统硬件结构 | 第51-52页 |
| 5.1.3 视频数据的存储管理 | 第52-53页 |
| 5.2 软件开发平台 | 第53-58页 |
| 5.2.1 集成开发环境CCS介绍 | 第53-54页 |
| 5.2.2 实时操作系统DSP/BIOS | 第54-56页 |
| 5.2.3 RF5框架 | 第56-58页 |
| 5.3 系统算法实现 | 第58-60页 |
| 5.4 实验结果及分析 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 全文工作总结 | 第63-64页 |
| 6.2 下一步工作展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录 1 | 第70-71页 |
| 致谢 | 第71页 |