| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究的背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 目标检测与跟踪方法概述 | 第14-20页 |
| 1.3.1 运动目标提取 | 第15页 |
| 1.3.2 检测区域分类 | 第15-19页 |
| 1.3.3 跟踪 | 第19-20页 |
| 1.4 本文的结构和安排 | 第20-23页 |
| 第二章 基于像素块编码的交通背景建模方法 | 第23-37页 |
| 2.1 背景减法概述 | 第23-29页 |
| 2.1.1 交通视频预处理 | 第23-24页 |
| 2.1.2 常用的背景建模方法 | 第24-27页 |
| 2.1.3 前景检测 | 第27-28页 |
| 2.1.4 数据校验 | 第28-29页 |
| 2.2 基于像素块编码的交通背景建模 | 第29-31页 |
| 2.2.1 标准码本模型 | 第29-30页 |
| 2.2.2 像素块编码 | 第30-31页 |
| 2.3 像素块编码更新 | 第31-32页 |
| 2.4 实验与分析 | 第32-36页 |
| 2.4.1 实验结果 | 第33-35页 |
| 2.4.2 定量分析 | 第35-36页 |
| 2.5 本文小结 | 第36-37页 |
| 第三章 基于马尔可夫随机场的自适应车辆阴影检测方法 | 第37-61页 |
| 3.1 阴影检测方法概述 | 第37-43页 |
| 3.1.1 基于特点的阴影检测 | 第37-39页 |
| 3.1.2 常用的阴影检测方法 | 第39-43页 |
| 3.2 基于 MRF 自适应阴影检测方法 | 第43-56页 |
| 3.2.1 阴影辨别模型 | 第43-45页 |
| 3.2.2 HSI 空间特征 | 第45-47页 |
| 3.2.3 颜色特征模型 | 第47-50页 |
| 3.2.4 纹理特征模型 | 第50-53页 |
| 3.2.5 基于 MRF 的阴影检测 | 第53-56页 |
| 3.3 实验与分析 | 第56-59页 |
| 3.3.1 实验结果 | 第56-58页 |
| 3.3.2 性能评估方法 | 第58-59页 |
| 3.3.3 定性分析 | 第59页 |
| 3.4 本文小结 | 第59-61页 |
| 第四章 基于 GHOG 特征行人识别方法 | 第61-87页 |
| 4.1 常用的目标分类识别方法 | 第61-65页 |
| 4.2 基于 GHOG 特征行人识别方法 | 第65-82页 |
| 4.2.1 Gabor 变换 | 第66-69页 |
| 4.2.2 Gabor 小波提取目标特征 | 第69-72页 |
| 4.2.3 Gabor 特征融合 | 第72-75页 |
| 4.2.4 HOG 特征提取 | 第75-79页 |
| 4.2.5 特征分类 | 第79-82页 |
| 4.3 实验与分析 | 第82-86页 |
| 4.3.1 实验结果 | 第82-84页 |
| 4.3.2 性能分析 | 第84-86页 |
| 4.4 本文小结 | 第86-87页 |
| 第五章 图像分块稀疏表示的目标跟踪方法 | 第87-111页 |
| 5.1 目标跟踪概述 | 第87-95页 |
| 5.1.1 点跟踪 | 第87-89页 |
| 5.1.2 核跟踪 | 第89-93页 |
| 5.1.3 轮廓跟踪 | 第93-95页 |
| 5.2 基于图像分块稀疏的目标跟踪方法 | 第95-106页 |
| 5.2.1 基于外观模型的稀疏表示 | 第96-97页 |
| 5.2.2 图像分块的稀疏表示 | 第97-100页 |
| 5.2.3 增量学习 | 第100-101页 |
| 5.2.4 BOMP 块正交匹配 | 第101-102页 |
| 5.2.5 贝叶斯推理的目标跟踪 | 第102-106页 |
| 5.3 实验分析 | 第106-110页 |
| 5.3.1 定性分析 | 第106-108页 |
| 5.3.2 定量分析 | 第108-110页 |
| 5.4 本文小结 | 第110-111页 |
| 第六章 总结与展望 | 第111-114页 |
| 6.1 工作总结 | 第111-112页 |
| 6.2 目标检测和跟踪发展 | 第112-114页 |
| 参考文献 | 第114-125页 |
| 攻读学位期间取得的研究成果 | 第125-126页 |
| 致谢 | 第126-127页 |