| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外目标跟踪研究现状 | 第11-12页 |
| 1.2.2 国内目标跟踪研究现状 | 第12-14页 |
| 1.3 目标检测与跟踪方法概述 | 第14-16页 |
| 1.3.1 目标检测方法综述 | 第14-15页 |
| 1.3.2 目标跟踪方法综述 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-18页 |
| 第2章 视频目标跟踪基本方法与预处理 | 第18-32页 |
| 2.1 目标跟踪整体研究方案 | 第18页 |
| 2.2 预处理方案 | 第18-19页 |
| 2.3 彩色图像的灰度化 | 第19-22页 |
| 2.3.1 RGB颜色空间 | 第19-20页 |
| 2.3.2 HSV颜色空间 | 第20-21页 |
| 2.3.3 RGB与HSV颜色空间的转换 | 第21-22页 |
| 2.4 帧图像去噪 | 第22-24页 |
| 2.5 形态学去噪 | 第24-29页 |
| 2.5.1 膨胀算法原理 | 第25-26页 |
| 2.5.2 腐蚀算法原理 | 第26-28页 |
| 2.5.3 开运算与闭运算 | 第28-29页 |
| 2.6 图像增强的一般方法 | 第29-30页 |
| 2.7 本章小结 | 第30-32页 |
| 第3章 目标检测技术研究 | 第32-43页 |
| 3.1 背景差分法原理 | 第32-34页 |
| 3.2 帧间差分法原理 | 第34-39页 |
| 3.2.1 二帧差分法 | 第35-36页 |
| 3.2.2 三帧差分法 | 第36-39页 |
| 3.3 光流分析法原理 | 第39-41页 |
| 3.4 几种目标检测方案的比较 | 第41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于欧氏距离判据预测目标跟踪算法研究 | 第43-57页 |
| 4.1 MeanShift算法研究 | 第43-44页 |
| 4.2 Camshift算法研究与实现 | 第44-47页 |
| 4.2.1 多目标Camshift算法流程 | 第44-46页 |
| 4.2.2 目标的尺度和方向估计 | 第46-47页 |
| 4.3 几种预测模型的实现 | 第47-51页 |
| 4.3.1 Kalman滤波预测模型实现 | 第48-50页 |
| 4.3.2 线性预测模型研究 | 第50-51页 |
| 4.4 欧氏距离判据预测Camshift改进算法研究 | 第51-53页 |
| 4.5 测试结果及分析 | 第53-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 视频目标检测跟踪测试平台的构建 | 第57-62页 |
| 5.1 测试平台环境搭建 | 第57-58页 |
| 5.1.1 测试环境的硬件环境搭建 | 第57页 |
| 5.1.2 测试环境的软件环境搭建 | 第57-58页 |
| 5.2 平台界面设计与数据测试 | 第58-61页 |
| 5.2.1 UI界面 | 第58-59页 |
| 5.2.2 算法实时性评判 | 第59-61页 |
| 5.3 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间所发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |