| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究的背景及意义 | 第8页 |
| ·研究动态 | 第8-12页 |
| ·国内外研究现状 | 第8-9页 |
| ·运动目标检测技术研究现状 | 第9-10页 |
| ·运动目标跟踪技术研究现状 | 第10-11页 |
| ·活动轮廓模型的研究现状 | 第11-12页 |
| ·论文主要内容及安排 | 第12-14页 |
| 第二章 基于改进的 C-V 模型的图像分割算法 | 第14-28页 |
| ·水平集模型 | 第14-16页 |
| ·水平集方法原理 | 第14-15页 |
| ·水平集函数的数值求解 | 第15-16页 |
| ·不需要重新初始化水平集演化 | 第16-19页 |
| ·不需要重新初始化的变分水平集函数演化 | 第16-17页 |
| ·不需要重新初始化的活动轮廓的变分水平集函数 | 第17-18页 |
| ·数值化的计算 | 第18页 |
| ·时间步长的选择 | 第18-19页 |
| ·Chan-Vese 模型 | 第19-21页 |
| ·LBF 模型 | 第21-23页 |
| ·基于改进的 C-V 模型的图像分割技术 | 第23-26页 |
| ·改进的模型 | 第23-24页 |
| ·实验结果和分析 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 基于混合高斯模型和改进的 C-V 模型的目标检测与跟踪技术 | 第28-38页 |
| ·图像的预处理 | 第28-29页 |
| ·中值滤波处理 | 第28页 |
| ·自适应中值滤波处理 | 第28-29页 |
| ·基于混合高斯模型的目标检测算法 | 第29-31页 |
| ·混合高斯模型参数的初始化 | 第30页 |
| ·混合高斯模型参数的更新 | 第30-31页 |
| ·背景模型的选取 | 第31页 |
| ·前景的检测 | 第31页 |
| ·图像的后处理 | 第31-32页 |
| ·形态学处理 | 第31-32页 |
| ·阈值面积法 | 第32页 |
| ·曲线的初始化 | 第32页 |
| ·基于混合高斯模型和改进的 C-V 模型的目标检测与跟踪算法 | 第32-36页 |
| ·算法的流程图 | 第33页 |
| ·实验结果和分析 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于改进的 C-V 模型和 Kalman 滤波的目标跟踪技术 | 第38-46页 |
| ·Kalman 滤波器运动状态模型 | 第38-39页 |
| ·Kalman 滤波器原理 | 第39-41页 |
| ·基于 Kalman 滤波和改进的 C-V 模型的目标跟踪算法 | 第41-42页 |
| ·实验结果与分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 小型智能跟踪系统设计 | 第46-54页 |
| ·系统的设计方案 | 第46-47页 |
| ·嵌入式系统简介 | 第46-47页 |
| ·Wince 操作系统 | 第47页 |
| ·系统的设计思路 | 第47页 |
| ·开发环境的构建 | 第47-49页 |
| ·硬件开发环境 | 第48页 |
| ·软件开发环境 | 第48-49页 |
| ·Wince 系统的移植 | 第49页 |
| ·摄像头显示 | 第49-50页 |
| ·OpenCV 库函数 | 第50页 |
| ·实验结果及显示 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 主要结论与展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
