| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7页 |
| ·视频图像序列的目标检测及跟踪技术的发展及现状 | 第7-11页 |
| ·工作重点及内容安排 | 第11-13页 |
| 第二章 常见的神经网络模型 | 第13-23页 |
| ·人工神经网络概述 | 第13-16页 |
| ·人工神经元模型 | 第13-14页 |
| ·神经网络的结构 | 第14页 |
| ·神经网络的学习方式 | 第14-16页 |
| ·常见的几种神经网络模型 | 第16-22页 |
| ·BP(Back-Propagation)神经网络模型 | 第16-18页 |
| ·LVQ(learning vector quantization)神经网络模型 | 第18-20页 |
| ·SNoW神经网络模型 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于改进SNOW神经网络的目标跟踪算法 | 第23-35页 |
| ·基于改进的SNoW神经网络目标跟踪算法 | 第24-28页 |
| ·训练样本的选取 | 第24-25页 |
| ·匹配度函数 | 第25页 |
| ·权值更新 | 第25-26页 |
| ·算法流程 | 第26-28页 |
| ·实验结果与分析 | 第28-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于多特征融合的烟雾检测算法 | 第35-51页 |
| ·常见的烟雾检测算法 | 第35-39页 |
| ·光流法 | 第36页 |
| ·帧间差分法 | 第36页 |
| ·利用RGB空间烟雾模型 | 第36-37页 |
| ·利用烟雾区域的模糊性 | 第37-39页 |
| ·基于多特征融合的烟雾检测算法 | 第39-44页 |
| ·动态特征 | 第39-40页 |
| ·静态特征 | 第40-43页 |
| ·算法流程 | 第43-44页 |
| ·实验结果及分析 | 第44-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 结论与展望 | 第51-53页 |
| ·结论 | 第51-52页 |
| ·下一步工作展望 | 第52-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 作者在攻读硕士期间完成的工作 | 第59-60页 |