| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·视频监控相关研究 | 第10-15页 |
| ·国内外研究现状 | 第10-11页 |
| ·主要任务 | 第11-13页 |
| ·技术难点 | 第13页 |
| ·应用现状与发展趋势 | 第13-15页 |
| ·本文的主要工作与章节安排 | 第15-17页 |
| ·本文的主要工作 | 第15-16页 |
| ·论文章节安排 | 第16-17页 |
| 2 运动目标检测技术研究 | 第17-26页 |
| ·引言 | 第17页 |
| ·静态背景下的运动目标检测 | 第17-20页 |
| ·基于背景建模的方法 | 第17-19页 |
| ·基于光流场的方法 | 第19-20页 |
| ·基于时间差分的方法 | 第20页 |
| ·常用检测方法及其性能分析 | 第20-25页 |
| ·相邻帧间差方法 | 第21页 |
| ·基于梯度的前景检测法 | 第21-22页 |
| ·基于帧间二阶差分的前景检测法 | 第22-23页 |
| ·实验结果与分析 | 第23-25页 |
| ·小结 | 第25-26页 |
| 3 多人体目标定位和分割 | 第26-35页 |
| ·引言 | 第26-27页 |
| ·利用 Freeman链码提取轮廓 | 第27-28页 |
| ·RANSAC算法 | 第28-31页 |
| ·RANSAC基本思想 | 第28-29页 |
| ·RANSAC算法步骤 | 第29页 |
| ·估计圆参数的RANSAC算法步骤 | 第29-31页 |
| ·本文基于Freeman链码和RANSAC的圆检测算法 | 第31-32页 |
| ·实验结果与分析 | 第32-34页 |
| ·检测结果 | 第32-33页 |
| ·实验分析 | 第33-34页 |
| ·小结 | 第34-35页 |
| 4 Kalman滤波器和Mean Shift相关理论及其在跟踪中的应用 | 第35-55页 |
| ·引言 | 第35-36页 |
| ·纹理特征 | 第36-39页 |
| ·基本局部二进制模式 | 第36-37页 |
| ·扩展局部二进制模模式 | 第37-39页 |
| ·Kalman滤波器 | 第39-40页 |
| ·Kalman滤波器建模 | 第39-40页 |
| ·Kalman滤波器各参数设置 | 第40页 |
| ·Mean Shift理论及其在跟踪中的应用 | 第40-48页 |
| ·Mean Shift搜索法 | 第41-44页 |
| ·Mean Shift算法的搜索过程 | 第44-45页 |
| ·Mean Shift算法在跟踪中的应用 | 第45-48页 |
| ·融合色彩、纹理和运动信息的跟踪算法 | 第48-50页 |
| ·实验结果与分析 | 第50-54页 |
| ·跟踪结果 | 第50-53页 |
| ·跟踪性能分析 | 第53-54页 |
| ·小结 | 第54-55页 |
| 5 Tri-tracking跟踪算法 | 第55-70页 |
| ·引言 | 第55页 |
| ·机器学习 | 第55-59页 |
| ·半监督学习 | 第56-58页 |
| ·协同训练算法 | 第58-59页 |
| ·Tri-tracking跟踪算法 | 第59-66页 |
| ·PPBTF直方图特征 | 第59-61页 |
| ·支持向量机(SVM) | 第61-63页 |
| ·Tri-tracking跟踪算法 | 第63-66页 |
| ·实验结果与分析 | 第66-69页 |
| ·实验结果 | 第66-68页 |
| ·实验性能分析 | 第68-69页 |
| ·小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间发表学术论文情况 | 第77-78页 |
| 致谢 | 第78-79页 |