| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-27页 |
| ·运动目标检测与跟踪的研究意义、现状及其应用 | 第11-14页 |
| ·运动目标检测概述 | 第14-19页 |
| ·运动目标检测方法分类 | 第14-16页 |
| ·基于高斯混合模型的运动目标检测方法 | 第16-18页 |
| ·运动目标检测方法面临的实际困难 | 第18-19页 |
| ·运动目标跟踪概述 | 第19-24页 |
| ·运动目标跟踪方法分类 | 第19-20页 |
| ·Mean Shift跟踪框架及其技术难点 | 第20-23页 |
| ·Particle Filter跟踪框架及其技术难点 | 第23-24页 |
| ·运动目标检测与跟踪的一个应用——驾驶疲劳检测 | 第24-25页 |
| ·本文的主要贡献 | 第25-26页 |
| ·本文的结构安排 | 第26-27页 |
| 2 一种基于连续核密度逼近的运动目标检测方法 | 第27-41页 |
| ·引言 | 第27页 |
| ·基于连续核密度逼近的背景建模 | 第27-31页 |
| ·连续核密度逼近概述 | 第27-29页 |
| ·背景建立与更新 | 第29-30页 |
| ·背景建模方法的具体实现 | 第30-31页 |
| ·基于连续核密度逼近的运动目标检测 | 第31-34页 |
| ·像素级检测 | 第31-33页 |
| ·区域级检测 | 第33-34页 |
| ·帧间级检测 | 第34页 |
| ·实验结果与分析 | 第34-40页 |
| ·本章小结 | 第40-41页 |
| 3 一种基于Bagging集成学习的运动阴影消除方法 | 第41-52页 |
| ·引言 | 第41-42页 |
| ·Bagging集成学习 | 第42-44页 |
| ·阴影鉴别模型 | 第44-46页 |
| ·颜色阴影模型 | 第44页 |
| ·梯度阴影模型 | 第44-45页 |
| ·纹理阴影模型 | 第45页 |
| ·阴影鉴别特征选取 | 第45-46页 |
| ·阴影消除算法 | 第46-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 4 空间颜色高斯混合模型目标跟踪算法的改进 | 第52-62页 |
| ·引言 | 第52-53页 |
| ·SMOG模型及其跟踪算法 | 第53-54页 |
| ·改进的SMOG模型 | 第54-58页 |
| ·目标分布与其局部背景的距离度量 | 第54-55页 |
| ·背景分布的剔除 | 第55-56页 |
| ·基于目标分布鉴别性能的相似性度量 | 第56-58页 |
| ·实验结果与分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 5 自适应多特征融合对粒子滤波跟踪算法性能的提升 | 第62-74页 |
| ·引言 | 第62-63页 |
| ·Auxiliary粒子滤波跟踪框架 | 第63-64页 |
| ·特征提取与融合 | 第64-68页 |
| ·颜色特征 | 第64页 |
| ·纹理特征 | 第64-65页 |
| ·边缘特征 | 第65页 |
| ·运动特征 | 第65页 |
| ·直方图相似性度量 | 第65-66页 |
| ·观测模型和特征融合策略 | 第66-68页 |
| ·多特征融合目标跟踪算法 | 第68-69页 |
| ·实验结果与分析 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 6 一种基于眼睛状态识别的驾驶疲劳检测方法 | 第74-85页 |
| ·引言 | 第74页 |
| ·实验平台及算法描述 | 第74-81页 |
| ·人脸检测与跟踪 | 第75-76页 |
| ·人眼检测 | 第76-78页 |
| ·眼睛状态识别 | 第78-80页 |
| ·算法实现 | 第80-81页 |
| ·实验结果与分析 | 第81-84页 |
| ·本章小结 | 第84-85页 |
| 结束语 | 第85-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-97页 |
| 附录一 | 第97-99页 |
| 附录二 | 第99-105页 |