| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 目标跟踪研究现状与分析 | 第10-13页 |
| 1.2.1 监控视频中目标检测与跟踪的应用发展现状 | 第11-12页 |
| 1.2.2 目标检测与跟踪理论发展现状 | 第12-13页 |
| 1.3 机器学习研究现状 | 第13-14页 |
| 1.4 论文研究内容及意义 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 经典目标检测与跟踪算法分析与比较 | 第16-30页 |
| 2.1 经典目标跟踪算法概述 | 第16-26页 |
| 2.1.1 Mean-Shift算法介绍 | 第16-20页 |
| 2.1.2 Camshift算法介绍 | 第20-22页 |
| 2.1.3 粒子滤波算法介绍 | 第22-25页 |
| 2.1.4 TLD算法介绍 | 第25-26页 |
| 2.2 几种跟踪算法性能比较 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 TLD算法的初步改进 | 第30-46页 |
| 3.1 TLD跟踪器原理及改进 | 第30-36页 |
| 3.1.1 TLD跟踪器原理 | 第30-34页 |
| 3.1.2 跟踪器中的算法改进 | 第34页 |
| 3.1.3 改进后的跟踪器实验结果分析 | 第34-36页 |
| 3.2 检测器原理及改进 | 第36-41页 |
| 3.2.1 检测器原理介绍 | 第36-39页 |
| 3.2.2 检测器中的算法改进 | 第39-40页 |
| 3.2.3 改进后的检测器实验结果分析 | 第40-41页 |
| 3.3 学习器工作原理 | 第41-43页 |
| 3.3.1 半监督学习理论 | 第41页 |
| 3.3.2 P-N学习机制 | 第41-43页 |
| 3.4 级联分类器参数更新 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于快速模板匹配的TLD算法 | 第46-60页 |
| 4.1 基于灰度相关的图像匹配算法 | 第46-50页 |
| 4.1.1 互相关匹配算法 | 第46-48页 |
| 4.1.2 序贯相似检测算法 | 第48-49页 |
| 4.1.3 投影匹配算法 | 第49-50页 |
| 4.2 基于局部特征的图像匹配方法 | 第50-52页 |
| 4.2.1 分层特征匹配 | 第50-51页 |
| 4.2.2 基于图像分割的匹配 | 第51-52页 |
| 4.3 基于改进后模板匹配TLD算法 | 第52-58页 |
| 4.3.1 原始TLD算法中模板匹配方法 | 第52-53页 |
| 4.3.2 改进后的快速模板匹配方法 | 第53-55页 |
| 4.3.3 实验结果分析 | 第55-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 实时监控视频系统目标检测与跟踪系统 | 第60-70页 |
| 5.1 视频监控系统平台介绍 | 第60-62页 |
| 5.1.1 硬件平台搭建 | 第60-61页 |
| 5.1.2 系统软件平台介绍 | 第61-62页 |
| 5.2 基于改进后TLD算法目标实时监测与跟踪系统实现 | 第62-68页 |
| 5.2.1 系统总体实现 | 第62-63页 |
| 5.2.2 基于实时监控画面的目标检测初步分析 | 第63-64页 |
| 5.2.3 系统具体实现 | 第64-68页 |
| 5.3 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 工作总结 | 第70页 |
| 6.2 研究展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文 | 第78页 |