| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及研究意义 | 第11-14页 |
| 1.2 国内外研究现状及应用 | 第14-17页 |
| 1.2.1 视频监控国内外研究现状 | 第14-15页 |
| 1.2.2 运动目标跟踪算法概述 | 第15-17页 |
| 1.3 目标跟踪问题的难点 | 第17-18页 |
| 1.4 本文主要工作及组织结构 | 第18-19页 |
| 1.5 本文结构安排 | 第19页 |
| 1.6 本章小结 | 第19-21页 |
| 第2章 相关理论基础 | 第21-29页 |
| 2.1 OpenCV介绍 | 第21-23页 |
| 2.1.1 OpenCV主要特点 | 第21页 |
| 2.1.2 OpenCV功能介绍 | 第21-22页 |
| 2.1.3 OpenCV模块 | 第22-23页 |
| 2.2 图像去噪 | 第23-24页 |
| 2.2.1 邻域滤波 | 第23页 |
| 2.2.2 中值滤波 | 第23-24页 |
| 2.2.3 低通滤波 | 第24页 |
| 2.3 图像二值化 | 第24页 |
| 2.4 图像形态学滤波 | 第24-27页 |
| 2.4.1 腐蚀和膨胀 | 第25-26页 |
| 2.4.2 开运算和闭运算 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第3章 运动目标检测技术的研究 | 第29-39页 |
| 3.1 帧间差分法 | 第29-31页 |
| 3.1.1 相邻帧差分法 | 第29-30页 |
| 3.1.2 三帧差分法 | 第30-31页 |
| 3.2 背景差分法 | 第31-32页 |
| 3.3 实验结果分析 | 第32-35页 |
| 3.3.1 相邻帧间差分法下的目标检测 | 第32-33页 |
| 3.3.2 三帧差分下的运动目标检测 | 第33-34页 |
| 3.3.3 背景差分法下的运动目标检测 | 第34-35页 |
| 3.4 本文的检测算法 | 第35-37页 |
| 3.4.1 初始背景建模 | 第36页 |
| 3.4.2 背景更新 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于Meanshift算法的视频目标跟踪 | 第39-63页 |
| 4.1 Meanshift算法原理 | 第39-42页 |
| 4.2 Meanshift算法流程 | 第42-46页 |
| 4.2.1 目标模型的建立 | 第42-44页 |
| 4.2.2 候选模型的建立 | 第44页 |
| 4.2.3 相似性判定 | 第44-45页 |
| 4.2.4 目标定位 | 第45-46页 |
| 4.3 试验验证及分析 | 第46-48页 |
| 4.4 改进的Meanshift算法 | 第48-56页 |
| 4.4.1 Kalman滤波理论 | 第48-52页 |
| 4.4.2 模板更新策略 | 第52-53页 |
| 4.4.3 颜色模型的建立 | 第53-54页 |
| 4.4.4 反向投影直方图 | 第54-55页 |
| 4.4.5 目标框自适应调整 | 第55页 |
| 4.4.6 遮挡的判断与处理 | 第55-56页 |
| 4.5 结合Kalman滤波的Meanshift跟踪算法设计 | 第56-59页 |
| 4.6 实验验证及分析 | 第59-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第5章 基于OpenCV的系统设计 | 第63-69页 |
| 5.1 本文OPenCV的配置 | 第63页 |
| 5.2 OpenCV的跟踪框架 | 第63-66页 |
| 5.2.1 目标检测模块 | 第64页 |
| 5.2.2 目标跟踪模块 | 第64-65页 |
| 5.2.3 轨迹生成模块 | 第65-66页 |
| 5.2.4 跟踪流程模块和数据输出模块 | 第66页 |
| 5.3 程序运行结果 | 第66-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |