| 目录 | 第4-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的意义 | 第10页 |
| 1.2 运动目标检测和跟踪的主要方法及研究现状 | 第10-14页 |
| 1.2.1 运动目标检测方法 | 第11-12页 |
| 1.2.2 运动目标跟踪方法 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 本文章节安排 | 第15-16页 |
| 第二章 运动目标检测 | 第16-34页 |
| 2.1 引言 | 第16页 |
| 2.2 运动目标检测方法 | 第16-20页 |
| 2.2.1 帧差法 | 第16-18页 |
| 2.2.2 背景差分法 | 第18-19页 |
| 2.2.3 本文方法及创新 | 第19-20页 |
| 2.3 背景模型更新算法 | 第20-24页 |
| 2.3.1 混合高斯模型 | 第21-22页 |
| 2.3.2 学习速率的自适应更新 | 第22-24页 |
| 2.4 阈值选取方法 | 第24-27页 |
| 2.4.1 直方图法 | 第25-26页 |
| 2.4.2 最大类间方差法 | 第26-27页 |
| 2.5 中值滤波 | 第27-28页 |
| 2.6 实验步骤和实验结果 | 第28-33页 |
| 2.6.1 实验步骤 | 第28-29页 |
| 2.6.2 实验结果 | 第29-33页 |
| 2.7 小结 | 第33-34页 |
| 第三章 模板相关匹配算法 | 第34-45页 |
| 3.1 模板相关匹配算法 | 第34-38页 |
| 3.1.1 基本原理 | 第34-35页 |
| 3.1.2 基于归一化互相关的模板相关匹配算法 | 第35页 |
| 3.1.3 基于最小绝对方差累加和的模板相关匹配算法 | 第35-36页 |
| 3.1.4 基于金字塔的相关模板匹配算法 | 第36-38页 |
| 3.2 初始模板的选择 | 第38-39页 |
| 3.3 模板的自适应更新 | 第39-41页 |
| 3.3.1 基于跟踪置信度的自适应模板更新算法 | 第39-40页 |
| 3.3.2 跟踪置信度的计算 | 第40-41页 |
| 3.4 实验步骤和实验结果 | 第41-44页 |
| 3.4.1 实验步骤 | 第41-42页 |
| 3.4.2 实验结果 | 第42-44页 |
| 3.5 小结 | 第44-45页 |
| 第四章 基于Hausdorff距离的模板匹配算法 | 第45-61页 |
| 4.1 引言 | 第45页 |
| 4.2 基本Hausdorff距离的定义及其改进 | 第45-51页 |
| 4.2.1 基本Hausdorff距离 | 第46-48页 |
| 4.2.2 部分Hausdorff距离算法 | 第48-49页 |
| 4.2.3 平均Hausdorff距离算法 | 第49页 |
| 4.2.4 优势点拣选法 | 第49-51页 |
| 4.3 kalman滤波 | 第51-55页 |
| 4.3.1 随机线性离散系统的数学模型 | 第51-52页 |
| 4.3.2 随机线性离散系统的Kalman滤波方程 | 第52-53页 |
| 4.3.3 Kalman滤波的特点 | 第53-54页 |
| 4.3.4 滤波器参数选取 | 第54-55页 |
| 4.4 实验步骤和实验结果 | 第55-60页 |
| 4.4.1 实验步骤 | 第56-57页 |
| 4.4.2 实验结果 | 第57-60页 |
| 4.5 小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 研究回顾与总结 | 第61-62页 |
| 5.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表论文目录 | 第69-70页 |
| 学位论文评阅及答辩情况表 | 第70页 |