| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-20页 |
| ·论文选题依据、研究背景及意义 | 第11-12页 |
| ·选题依据 | 第11页 |
| ·研究背景及问题的提出 | 第11-12页 |
| ·相关领域国内外发展现状 | 第12-17页 |
| ·运动目标检测技术 | 第12-14页 |
| ·运动目标跟踪技术 | 第14-17页 |
| ·论文主要研究内容及安排 | 第17-19页 |
| ·主要研究内容 | 第17页 |
| ·论文的组织结构 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 2 运动目标检测、跟踪理论和方法 | 第20-38页 |
| ·运动目标检测理论及方法 | 第20-26页 |
| ·光流法 | 第20页 |
| ·帧差法 | 第20-21页 |
| ·背景相减法 | 第21-23页 |
| ·本文采用的运动目标检测算法 | 第23-26页 |
| ·运动目标跟踪滤波理论及方法 | 第26-37页 |
| ·贝叶斯滤波理论 | 第26-28页 |
| ·卡尔曼滤波器（Kalman Filter, KF） | 第28-30页 |
| ·扩展卡尔曼滤波器（Extended Kalman Filter, EKF） | 第30-34页 |
| ·无迹卡尔曼滤波器（Unscented Kalman Filter, UKF） | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 3 基于多新息理论的卡尔曼滤波改进算法 | 第38-54页 |
| ·多新息辨识理论 | 第38-42页 |
| ·多新息辨识方法 | 第38-40页 |
| ·多新息随机梯度辨识方法 | 第40-42页 |
| ·多新息 Kalman 滤波算法 | 第42-46页 |
| ·多新息卡尔曼滤波算法（MI-KF） | 第42-44页 |
| ·改进算法 MI-KF 收敛性分析 | 第44-46页 |
| ·仿真结果与分析 | 第46-52页 |
| ·基于曲线模拟的仿真 | 第47-48页 |
| ·基于视频序列的仿真 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 4 基于多新息理论的扩展卡尔曼滤波改进算法 | 第54-63页 |
| ·多新息扩展卡尔曼滤波算法（MI-EKF） | 第54-56页 |
| ·仿真结果与分析 | 第56-62页 |
| ·包含两个新息的 MI-EKF | 第57-61页 |
| ·包含三个新息的 MI-EKF | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 5. 机器视觉远程伺服控制系统软、硬件平台研究 | 第63-77页 |
| ·机器视觉伺服控制系统总体设计 | 第63-65页 |
| ·系统实现的目的及意义 | 第64页 |
| ·系统总体设计 | 第64-65页 |
| ·控制模块实现 | 第65-72页 |
| ·硬件设计 | 第66-69页 |
| ·软件设计 | 第69-72页 |
| ·报警模块实现 | 第72-75页 |
| ·异物检测及跟踪 | 第72-74页 |
| ·WebAccess 与 Matlab 通信 | 第74-75页 |
| ·系统具体实例 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 6.总结与展望 | 第77-79页 |
| ·全文总结 | 第77-78页 |
| ·未来工作展望 | 第78-79页 |
| 参考文献 | 第79-89页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第89-90页 |
| 致谢 | 第90-91页 |
