| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7-9页 |
| ·计算机视觉研究的起源及发展 | 第7-8页 |
| ·计算机视觉在相关领域中的应用 | 第8-9页 |
| ·本课题研究背景及意义 | 第9-11页 |
| ·智能监控 | 第10-11页 |
| ·道路监控系统 | 第11页 |
| ·人机交互 | 第11页 |
| ·本课题研究进展及其现状 | 第11-13页 |
| ·运动目标检测 | 第11-12页 |
| ·运动目标跟踪 | 第12-13页 |
| ·本论文的主要工作和内容安排 | 第13-15页 |
| 第二章 基于DirectShow的视频检测与跟踪系统 | 第15-25页 |
| ·基于DirectShow的视频系统概述 | 第15-18页 |
| ·DirectShow简介 | 第15-16页 |
| ·COM编程的基础知识 | 第16页 |
| ·DirectShow视频系统 | 第16-18页 |
| ·DirectShow框架下的运动目标检测 | 第18-22页 |
| ·运动目标检测的基本方法 | 第18-19页 |
| ·DirectShow视频系统中运动物体的检测 | 第19-22页 |
| ·DirectShow框架下的运动目标跟踪 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第三章 基于自适应模板更新的Mean Shift算法 | 第25-38页 |
| ·引言 | 第25-26页 |
| ·非参数密度估计理论 | 第26-28页 |
| ·核密度估计函数的原理 | 第26-27页 |
| ·核函数的选择条件 | 第27-28页 |
| ·Mean Shift理论 | 第28-32页 |
| ·Mean Shift的密度模式 | 第28-29页 |
| ·密度梯度估计 | 第29-30页 |
| ·Mean Shift算法收敛的一个充分条件 | 第30-32页 |
| ·基于颜色直方图的Mean Shift跟踪算法 | 第32-35页 |
| ·目标模板的表示 | 第32-33页 |
| ·候选目标的表示 | 第33页 |
| ·基于Bhattacharyya系数的相似性测度 | 第33-34页 |
| ·目标定位 | 第34-35页 |
| ·自适应尺度模型的跟踪算法 | 第35-37页 |
| ·自适应尺度模型 | 第35页 |
| ·引入自适应模板的均值偏移算法 | 第35-37页 |
| ·跟踪算法在实验中的应用 | 第37-38页 |
| 第四章Mean Shift与卡尔曼滤波器结合的运动目标跟踪算法 | 第38-54页 |
| ·引言 | 第38-39页 |
| ·贝叶斯跟踪理论 | 第39-43页 |
| ·非线性贝叶斯估计 | 第39-40页 |
| ·卡尔曼滤波器理论 | 第40-41页 |
| ·粒子滤波算法 | 第41-43页 |
| ·Mean Shift与Kalman结合的目标跟踪算法 | 第43-46页 |
| ·卡尔曼滤波器在运动目标跟踪中的应用 | 第44-45页 |
| ·Mean Shift与卡尔曼滤波结合的具体方法 | 第45-46页 |
| ·跟踪算法采用的评估指标 | 第46-49页 |
| ·算法的综合性实验及性能比较 | 第49-53页 |
| ·线性路段的车辆跟踪 | 第49-50页 |
| ·外部干扰情况下的车辆跟踪 | 第50-51页 |
| ·非线性路段的车辆跟踪 | 第51-52页 |
| ·综合性能比较 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·未来工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 作者在读期间参加的科研和发表的论文 | 第62-63页 |
