| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17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 目标检测方法现状 | 第12-13页 |
| 1.2.2 目标跟踪方法现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 第二章 数字图像预处理 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 图像的灰度化处理 | 第17-18页 |
| 2.3 图像的滤波处理 | 第18-22页 |
| 2.4 图像的对比度增强技术 | 第22-23页 |
| 2.5 图像的形态学处理 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 运动目标检测方法研究 | 第25-41页 |
| 3.1 引言 | 第25-26页 |
| 3.2 运动目标检测方法 | 第26-28页 |
| 3.2.1 光流法 | 第26-27页 |
| 3.2.2 帧间差分法 | 第27页 |
| 3.2.3 背景差分法 | 第27-28页 |
| 3.3 改进的基于混合高斯模型的背景差分法与帧间差分法融合的检测方法 | 第28-36页 |
| 3.3.1 三帧差分法 | 第29-30页 |
| 3.3.2 混合高斯背景建模 | 第30-32页 |
| 3.3.3 二型模糊 | 第32-35页 |
| 3.3.4 改进算法步骤 | 第35-36页 |
| 3.4 仿真结果与分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于粒子滤波与稀疏表示的运动目标跟踪方法 | 第41-63页 |
| 4.1 引言 | 第41页 |
| 4.2 目标跟踪算法分类 | 第41-42页 |
| 4.2.1 基于运动分析的跟踪算法 | 第41页 |
| 4.2.2 基于目标表示的跟踪算法 | 第41-42页 |
| 4.2.3 基于变形模板的跟踪算法 | 第42页 |
| 4.2.4.基于分类的跟踪算法 | 第42页 |
| 4.3 基于粒子滤波的目标跟踪 | 第42-47页 |
| 4.3.1 贝叶斯滤波 | 第43-44页 |
| 4.3.2 蒙特卡罗仿真 | 第44页 |
| 4.3.3 重要性采样 | 第44-46页 |
| 4.3.4 建议分布选择 | 第46页 |
| 4.3.5 粒子退化问题与重采样 | 第46-47页 |
| 4.4 稀疏表示方法 | 第47-48页 |
| 4.5 改进的基于粒子滤波与稀疏表示的目标跟踪方法 | 第48-52页 |
| 4.6 仿真结果与分析 | 第52-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第五章 图像目标检测和跟踪系统的设计与实现 | 第63-68页 |
| 5.1 图像目标检测与跟踪系统总体结构 | 第63-64页 |
| 5.2 图像目标检测与跟踪系统实现 | 第64-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 后续工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间取得的成果 | 第74-75页 |