| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景与研究意义 | 第9-10页 |
| 1.2 运动目标检测与跟踪技术的研究现状和发展趋势 | 第10-13页 |
| 1.2.1 运动目标检测技术 | 第10-11页 |
| 1.2.2 运动目标跟踪技术 | 第11-13页 |
| 1.3 主要研究内容及技术路线 | 第13-15页 |
| 1.4 本文的结构安排 | 第15-16页 |
| 第二章 视频图像预处理 | 第16-30页 |
| 2.1 颜色空间 | 第16-21页 |
| 2.1.1 RGB颜色空间 | 第16-18页 |
| 2.1.2 YUV颜色空间 | 第18-19页 |
| 2.1.3 HSV颜色空间 | 第19-21页 |
| 2.2 图像去噪 | 第21-24页 |
| 2.2.1 高斯滤波 | 第21-23页 |
| 2.2.2 中值滤波 | 第23-24页 |
| 2.3 图像二值化 | 第24-26页 |
| 2.3.1 基本的全阈值处理 | 第25页 |
| 2.3.2 用Otsu方法的最佳全局阈值处理 | 第25-26页 |
| 2.4 形态学处理 | 第26-29页 |
| 2.4.1 腐蚀 | 第27-28页 |
| 2.4.2 膨胀 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 面向手机视频的运动目标检测 | 第30-59页 |
| 3.1 静态背景下的运动目标检测 | 第30-37页 |
| 3.1.1 帧差法 | 第30-31页 |
| 3.1.2 背景减除法 | 第31-35页 |
| 3.1.3 光流法 | 第35-37页 |
| 3.2 动态背景下的运动目标检测 | 第37-46页 |
| 3.2.1 运动参数建模 | 第38-40页 |
| 3.2.2 基于Harris算子的特征点提取 | 第40-42页 |
| 3.2.3 匹配特征点 | 第42-43页 |
| 3.2.4 背景匹配与目标检测 | 第43-45页 |
| 3.2.5 算法实时性测试 | 第45-46页 |
| 3.3 一种改进的目标检测算法 | 第46-55页 |
| 3.3.1 关键块的选取 | 第47-49页 |
| 3.3.2 基于菱形搜索法的关键块匹配 | 第49-51页 |
| 3.3.3 基于背景补偿的三帧差分目标检测 | 第51-54页 |
| 3.3.4 检测效果对比 | 第54-55页 |
| 3.4 改进算法测试 | 第55-58页 |
| 3.4.1 测试环境 | 第55-56页 |
| 3.4.2 测试结果与分析 | 第56-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 运动目标的跟踪 | 第59-75页 |
| 4.1 Meanshift目标跟踪算法 | 第59-64页 |
| 4.2 Camshift目标跟踪算法 | 第64-66页 |
| 4.3 一种基于Camshift和LBP特征的运动目标跟踪算法 | 第66-69页 |
| 4.4 改进算法测试 | 第69-74页 |
| 4.4.1 测试环境 | 第69-70页 |
| 4.4.2 测试结果与分析 | 第70-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 模块集成与系统测试 | 第75-82页 |
| 5.1 目标检测与跟踪模块的整合 | 第75-78页 |
| 5.2 结果测试与分析 | 第78-80页 |
| 5.2.1 准确性测试 | 第78-80页 |
| 5.2.2 实时性测试 | 第80页 |
| 5.3 本章小结 | 第80-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 本文工作总结 | 第82页 |
| 6.2 研究展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 攻读硕士期间取得的研究成果 | 第89-90页 |