| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 引言 | 第9页 |
| 1.2 目标跟踪技术的简介 | 第9-10页 |
| 1.3 跟踪技术在国外内的研究现状 | 第10-12页 |
| 1.4 目前的研究技术难题 | 第12-13页 |
| 1.4.1 跟踪目标的多样性 | 第12页 |
| 1.4.2 跟踪环境的复杂性 | 第12-13页 |
| 1.5 本文主要研究内容 | 第13页 |
| 1.6 本文创新点 | 第13-14页 |
| 第2章 运动目标检测算法的研究 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 常用目标检测方法 | 第14-22页 |
| 2.2.1 静态背景下的目标检测的方法 | 第14-22页 |
| 2.2.2 动态背景下的目标检测的方法 | 第22页 |
| 2.3 图像的形态学方法 | 第22-23页 |
| 2.4 基于帧间差分和光流技术结合法 | 第23-25页 |
| 2.4.1 实验结果与分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 运动目标跟踪技术的研究 | 第26-45页 |
| 3.1 运动目标跟踪系统简述 | 第26-27页 |
| 3.2 目标跟踪算法简介 | 第27-28页 |
| 3.2.1 使用特征的跟踪方法 | 第27页 |
| 3.2.2 使用轮廓的跟踪方法 | 第27页 |
| 3.2.3 使用运动估计的跟踪方法 | 第27-28页 |
| 3.2.4 基于区域的跟踪方法 | 第28页 |
| 3.3 MeanShift目标跟踪算法的分析与实现 | 第28-33页 |
| 3.3.1 MeanShift理论 | 第28-30页 |
| 3.3.2 MeanShift算法原理 | 第30-32页 |
| 3.3.3 MeanShift算法的实现 | 第32-33页 |
| 3.4 CamShift目标跟踪算法的分析与实现 | 第33-34页 |
| 3.4.1 CamShift算法原理 | 第33页 |
| 3.4.2 CamShift算法的实现 | 第33-34页 |
| 3.5 基于Camshift的多特征自适应融合算法 | 第34-40页 |
| 3.5.1 颜色特征 | 第35-38页 |
| 3.5.2 纹理特征 | 第38-39页 |
| 3.5.3 边缘特征 | 第39-40页 |
| 3.6 基于对数似然比的多特征融合策略 | 第40-44页 |
| 3.6.1 融合策略 | 第40-41页 |
| 3.6.2 动态权值分配 | 第41-42页 |
| 3.6.3 实验结果与分析 | 第42-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 基于kalman滤波的Camshift改进算法 | 第45-55页 |
| 4.1 基于kalman滤波的Camshift算法 | 第45-48页 |
| 4.1.1 目标跟踪建模预估计 | 第45-46页 |
| 4.1.2 基于修正预测值的kalman | 第46-48页 |
| 4.2 实验结果分析 | 第48-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 结论与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录A（在学期间发表的学术论文与研究成果） | 第60页 |
