| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 引言 | 第11页 |
| 1.2 选题背景及研究意义 | 第11-12页 |
| 1.3 国内外研究现状及存在的问题 | 第12-18页 |
| 1.3.1 运动目标检测 | 第13-15页 |
| 1.3.2 图像跟踪的基本原理 | 第15-17页 |
| 1.3.2.1 常用的图像跟踪方法 | 第15-17页 |
| 1.3.2.2 图像跟踪中的滤波及预测技术 | 第17页 |
| 1.3.3 图像跟踪的主要技术难点 | 第17-18页 |
| 1.4 研究内容 | 第18-20页 |
| 第二章 运动跟踪的估计模型和算法 | 第20-32页 |
| 2.1 引言 | 第20-21页 |
| 2.2 问题的描述与数学模型 | 第21-23页 |
| 2.2.1 问题的提出 | 第21-22页 |
| 2.2.2 运动估计的数学模型 | 第22-23页 |
| 2.3 卡尔曼滤波的原理 | 第23-26页 |
| 2.3.1 卡尔曼滤波的概念和提法 | 第23-25页 |
| 2.3.2 预报卡尔曼滤波的算法结构 | 第25页 |
| 2.3.3 现时卡尔曼滤波的算法结构 | 第25-26页 |
| 2.4 基于视频图像的运动估计模型 | 第26-31页 |
| 2.4.1 物体在图像坐标系中的运动行为分析 | 第26-27页 |
| 2.4.2 机动目标跟踪的“当前”统计模型与自适应跟踪算法 | 第27-30页 |
| 2.4.3 物体在图像坐标系中的运动估计模型 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 视频图像的实时单目标跟踪方法 | 第32-59页 |
| 3.1 引言 | 第32页 |
| 3.2 视频图像运动检测方法 | 第32-34页 |
| 3.2.1 视频图像运动检测方法简介 | 第32-33页 |
| 3.2.2 运动目标检测的帧间差阈值法 | 第33-34页 |
| 3.2.3 三种视频图像运动跟踪的技术路线 | 第34页 |
| 3.3 基于视频图像的实时单目标运动跟踪算法 | 第34-43页 |
| 3.3.1 位置预报技术和自适应跟踪窗 | 第35-36页 |
| 3.3.2 联合运动检测-运动估计-位置预报的视频图像实时跟踪算法 | 第36-42页 |
| 3.3.3 目标被遮挡实时跟踪算法 | 第42-43页 |
| 3.4 基于视频图像的实时单目标跟踪实验和分析 | 第43-57页 |
| 3.4.1 单目标跟踪实验和结果分析 | 第43-47页 |
| 3.4.2 部分被遮挡刚体单目标跟踪实验和结果分析 | 第47-51页 |
| 3.4.3 部分遮挡非刚体单目标跟踪实验和结果分析 | 第51-54页 |
| 3.4.4 全遮挡非刚体单目标跟踪实验和结果分析 | 第54-57页 |
| 3.5 本章小结 | 第57-59页 |
| 第四章 视频图像的多目标跟踪原理 | 第59-66页 |
| 4.1 引言 | 第59页 |
| 4.2 视频图像多目标跟踪的问题描述和难点 | 第59-60页 |
| 4.3 多目标跟踪的航迹关联算法 | 第60-62页 |
| 4.3.1 运动关联度的概念 | 第60-61页 |
| 4.3.2 多目标跟踪的航迹关联方法 | 第61-62页 |
| 4.4 视频图像的机动多目标跟踪的算法结构 | 第62-63页 |
| 4.5 实验结果及分析讨论 | 第63-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 视频图像的实时多目标跟踪研究 | 第66-86页 |
| 5.1 引言 | 第66-67页 |
| 5.2 基于视频图像实时多目标跟踪算法 | 第67-68页 |
| 5.2.1 基于自适应跟踪窗技术的多目标跟踪 | 第67页 |
| 5.2.2 基于航迹关联技术的多目标跟踪算法 | 第67-68页 |
| 5.3 基于视频图像的实时多目标跟踪实验和分析 | 第68-85页 |
| 5.3.1 视频图像的刚体多目标跟踪实验和分析 | 第68-71页 |
| 5.3.2 视频图像的非刚体多目标跟踪实验和分析 | 第71-77页 |
| 5.3.3 视频图像的刚体多目标遮挡跟踪实验和分析 | 第77-81页 |
| 5.3.4 视频图像的非刚体多目标相互遮挡跟踪实验和分析 | 第81-85页 |
| 5.4 本章小结 | 第85-86页 |
| 第六章 全文总结与展望 | 第86-89页 |
| 6.1 全文总结 | 第86-87页 |
| 6.2 后续工作展望 | 第87-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-93页 |
