| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.2 运动目标检测与跟踪算法的研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.2.3 TLD跟踪算法的研究现状 | 第11-12页 |
| 1.3 本论文研究内容及组织结构 | 第12-15页 |
| 1.3.1 论文的研究内容 | 第12页 |
| 1.3.2 论文的组织结构 | 第12-15页 |
| 第二章 基于TLD单目标跟踪算法的原理 | 第15-27页 |
| 2.1 TLD跟踪框架原理 | 第15-17页 |
| 2.1.1 TLD跟踪算法的提出 | 第15页 |
| 2.1.2 TLD跟踪算法的原理分析 | 第15-17页 |
| 2.2 TLD算法跟踪模块 | 第17-22页 |
| 2.2.1 LK光流法理论 | 第17-20页 |
| 2.2.2 前后误差法 | 第20-22页 |
| 2.3 TLD算法检测模块 | 第22-24页 |
| 2.3.1 方差分类器 | 第22-23页 |
| 2.3.2 集合分类器 | 第23-24页 |
| 2.3.3 最近邻分类器 | 第24页 |
| 2.4 TLD机器学习模块 | 第24-26页 |
| 2.4.1 目标模型描述 | 第24-25页 |
| 2.4.2 P-N学习机制 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 经典跟踪算法同TLD算法的性能分析 | 第27-43页 |
| 3.1 基于简单模板匹配的跟踪算法 | 第27-30页 |
| 3.1.1 相似性函数的选择 | 第27-28页 |
| 3.1.2 简单模板匹配流程 | 第28-30页 |
| 3.1.3 基于简单模板匹配跟踪结果 | 第30页 |
| 3.2 基于MeanShift的目标跟踪算法 | 第30-36页 |
| 3.2.1 MeanShift算法跟踪原理 | 第30-34页 |
| 3.2.2 MeanShift算法实现过程 | 第34-35页 |
| 3.2.3 MeanShift算法运行结果演示 | 第35-36页 |
| 3.3 基于粒子滤波的目标跟踪算法 | 第36-39页 |
| 3.3.1 粒子滤波算法原理简介 | 第36-37页 |
| 3.3.2 基于颜色直方图的粒子滤波算法的实现 | 第37-38页 |
| 3.3.3 粒子滤波算法运行结果演示 | 第38-39页 |
| 3.4 经典跟踪算法与TLD算法的性能比较 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 TLD目标跟踪算法的改进 | 第43-61页 |
| 4.1 TLD算法存在的问题 | 第43-44页 |
| 4.1.1 算法跟踪的实时性问题分析 | 第43页 |
| 4.1.2 算法跟踪稳定性问题分析 | 第43-44页 |
| 4.2 减少输入的待匹配的样本数量 | 第44-48页 |
| 4.2.1 动态的调整图像的分辨率 | 第45页 |
| 4.2.2 使用局部扫描替代全局扫描 | 第45-47页 |
| 4.2.3 改进样本数量后实验结果的分析 | 第47-48页 |
| 4.3 基于SIFT算法改善跟踪模块的稳定性 | 第48-60页 |
| 4.3.1 SIFT算法原理 | 第48-55页 |
| 4.3.2 基于SIFT算法改进跟踪器 | 第55-57页 |
| 4.3.3 基于SIFT算法改进跟踪器后的结果分析 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 小型监控系统软硬件实现及测试 | 第61-69页 |
| 5.1 系统软硬件实现 | 第61-64页 |
| 5.1.1 系统硬件平台设计 | 第61-63页 |
| 5.1.2 系统软件平台设计 | 第63-64页 |
| 5.2 系统运行效果展示 | 第64-68页 |
| 5.2.1 系统软件界面演示 | 第64-66页 |
| 5.2.2 监控系统中改进后TLD算法演示 | 第66-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 研究展望 | 第70-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文 | 第77页 |