| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究进展与现状 | 第10-11页 |
| 1.2.1 国内研究进展 | 第10-11页 |
| 1.2.2 国外研究进展 | 第11页 |
| 1.3 研究内容和主要创新点 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 基于标记分水岭的运动目标检测 | 第13-27页 |
| 2.1 图像预处理—前人工作综述 | 第13-15页 |
| 2.1.1 图像去噪 | 第13-14页 |
| 2.1.2 图像增强 | 第14-15页 |
| 2.2 常用目标检测算法 | 第15-18页 |
| 2.2.1 光流法 | 第15-17页 |
| 2.2.2 帧间差分法 | 第17-18页 |
| 2.2.3 背景差分法 | 第18页 |
| 2.3 基于自适应背景差分的初始二值掩模提取 | 第18-22页 |
| 2.3.1 初始背景建立 | 第18-19页 |
| 2.3.2 自适应背景更新 | 第19-20页 |
| 2.3.3 自动阈值分割 | 第20-21页 |
| 2.3.4 形态学处理 | 第21-22页 |
| 2.4 标记分水岭分割 | 第22-25页 |
| 2.4.1 分水岭算法简介 | 第22-23页 |
| 2.4.2 标记分水岭 | 第23-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 运动目标跟踪 | 第27-37页 |
| 3.1 目标跟踪简介 | 第27-28页 |
| 3.1.1 目标跟踪的解决思路 | 第27页 |
| 3.1.2 目标跟踪常用算法 | 第27-28页 |
| 3.2 Hausdorff基本原理 | 第28-30页 |
| 3.2.1 经典Hausdorff距离 | 第28-29页 |
| 3.2.2 部分Hausdorff距离 | 第29页 |
| 3.2.3 平均Hausdorff距离 | 第29页 |
| 3.2.4 加权Hausdorff距离 | 第29-30页 |
| 3.3 基于改进Hausdorff距离的目标跟踪 | 第30-33页 |
| 3.3.1 图像匹配原理 | 第30-31页 |
| 3.3.2 改进Hausdorff距离目标跟踪 | 第31页 |
| 3.3.3 运动目标估计 | 第31-32页 |
| 3.3.4 权值分配 | 第32页 |
| 3.3.5 模板更新 | 第32-33页 |
| 3.4 实验仿真与分析 | 第33-35页 |
| 3.4.1 IBM跟踪实验 | 第33-34页 |
| 3.4.2 PETS2001 跟踪实验 | 第34-35页 |
| 3.4.3 算法实时性分析 | 第35页 |
| 3.4.4 算法精准度分析 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 基于隐马尔可夫模型（HMM）的交通行为理解 | 第37-52页 |
| 4.1 行为的语义表达 | 第37-38页 |
| 4.2 运动特征提取 | 第38-39页 |
| 4.3 HMM行为建模与识别 | 第39-43页 |
| 4.3.1 HMM简介 | 第39-40页 |
| 4.3.2 HMM异常行为建模 | 第40-42页 |
| 4.3.3 HMM异常行为识别 | 第42-43页 |
| 4.4 实验仿真及分析 | 第43-51页 |
| 4.4.1 场景1异常行为识别 | 第43-45页 |
| 4.4.2 场景2异常行为识别 | 第45-48页 |
| 4.4.3 场景3异常行为识别 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-53页 |
| 5.1 全文总结 | 第52页 |
| 5.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 发表论文和科研情况说明 | 第56-57页 |
| 致谢 | 第57-58页 |