| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 论文研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 目标跟踪技术 | 第9-11页 |
| 1.2.2 目标识别技术 | 第11-13页 |
| 1.3 论文研究目的 | 第13页 |
| 1.4 论文主要研究内容 | 第13页 |
| 1.5 论文结构安排 | 第13-15页 |
| 2 目标跟踪方法与设计 | 第15-22页 |
| 2.1 目标跟踪原理及跟踪平台设计 | 第15-19页 |
| 2.1.1 目标跟踪原理 | 第15-19页 |
| 2.1.2 目标跟踪平台设计 | 第19页 |
| 2.2 目标跟踪识别总体设计方法 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 运动目标检测与特征提取 | 第22-30页 |
| 3.1 运动目标前景检测原理 | 第22页 |
| 3.2 目标检测背景建模及优化方法 | 第22-24页 |
| 3.2.1 目标检测背景建模方法 | 第23-24页 |
| 3.2.2 目标检测背景建模的优化方法 | 第24页 |
| 3.3 运动目标特征提取算法 | 第24-26页 |
| 3.3.1 目标RGB颜色加权直方图特征提取算法 | 第25页 |
| 3.3.2 目标Sobel边缘加权直方图特征提取算法 | 第25-26页 |
| 3.4 运动目标检测与特征提取实验与分析 | 第26-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 多特征信息融合的目标识别方法研究 | 第30-47页 |
| 4.1 多特征信息融合目标识别构架与方法 | 第30-31页 |
| 4.2 BP神经网络目标预处理识别原理与算法 | 第31-37页 |
| 4.2.1 目标分类识别原理 | 第31-34页 |
| 4.2.2 BP神经网络目标预处理识别算法 | 第34-37页 |
| 4.3 多特征目标信息融合识别算法 | 第37-40页 |
| 4.3.1 基于D-S证据的目标信息融合理论 | 第37-39页 |
| 4.3.2 多特征融合识别建模 | 第39-40页 |
| 4.4 多特征信息融合的目标识别实验及分析 | 第40-45页 |
| 4.4.1 BP神经网络目标预处理识别算法实验分析 | 第40-43页 |
| 4.4.2 多特征信息融合的目标识别实验及分析 | 第43-45页 |
| 4.5 本章小结 | 第45-47页 |
| 5 目标图像信息融合跟踪算法 | 第47-60页 |
| 5.1 粒子滤波图像跟踪算法 | 第47-53页 |
| 5.1.1 粒子滤波图像跟踪原理 | 第47-48页 |
| 5.1.2 基于粒子滤波的目标图像跟踪实现过程 | 第48-53页 |
| 5.2 目标信息融合的跟踪设计原理与方法 | 第53-56页 |
| 5.2.1 基于参数固定的图像特征融合方法 | 第53-54页 |
| 5.2.2 运动目标图像信息融合跟踪建模与算法 | 第54-56页 |
| 5.3 目标图像信息融合跟踪实验与分析 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6 目标跟踪实验与分析 | 第60-66页 |
| 6.1 系统硬件组成与实现功能 | 第60-61页 |
| 6.2 系统整体工作流程 | 第61-62页 |
| 6.3 跟踪实验与分析 | 第62-65页 |
| 6.4 本章小结 | 第65-66页 |
| 7 结论 | 第66-68页 |
| 7.1 总结 | 第66页 |
| 7.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文 | 第72-73页 |
| 致谢 | 第73-76页 |