| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 选题依据与研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内发展状况 | 第10-11页 |
| 1.3 运动目标跟踪流程 | 第11页 |
| 1.4 算法的评价指标 | 第11-12页 |
| 1.5 面临的难点问题 | 第12页 |
| 1.6 内容与结构安排 | 第12-14页 |
| 第二章 背景模型的建立方法 | 第14-24页 |
| 2.1 平均背景模型法 | 第14-15页 |
| 2.2 统计直方图法 | 第15-16页 |
| 2.3 单高斯背景模型法 | 第16-17页 |
| 2.3.1 基础知识 | 第16-17页 |
| 2.3.2 更新方法 | 第17页 |
| 2.4 混合高斯背景模型 | 第17-20页 |
| 2.4.1 背景模型的初始化 | 第18页 |
| 2.4.2 背景模型参数的更新 | 第18-20页 |
| 2.5 改进的背景建模法 | 第20-23页 |
| 2.5.1 算法流程与实现步骤 | 第20-21页 |
| 2.5.2 实验结果与分析 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 运动目标检测方法 | 第24-33页 |
| 3.1 帧间差分法 | 第24-27页 |
| 3.2 背景减除法 | 第27-28页 |
| 3.3 光流法 | 第28页 |
| 3.4 改进的检测算法 | 第28-32页 |
| 3.4.1 算法流程 | 第28-29页 |
| 3.4.2 算法实现步骤 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 运动目标跟踪 | 第33-47页 |
| 4.1 Kalman 滤波算法 | 第33-35页 |
| 4.1.1 算法原理 | 第33-35页 |
| 4.1.2 实验结果与分析 | 第35页 |
| 4.2 Meanshift 算法 | 第35-38页 |
| 4.2.1 算法原理 | 第35-37页 |
| 4.2.2 Meanshift 算法跟踪步骤 | 第37页 |
| 4.2.3 实验结果与分析 | 第37-38页 |
| 4.3 Camshift 算法 | 第38-40页 |
| 4.3.1 Camshift 算法原理 | 第38-39页 |
| 4.3.2 Camshift 算法跟踪步骤 | 第39页 |
| 4.3.3 实验结果与分析 | 第39-40页 |
| 4.4 改进的 Camshif 与 Kalman 的融合算法 | 第40-46页 |
| 4.4.1 Camshift 算法的改进与实现 | 第40-42页 |
| 4.4.2 实验结果与分析 | 第42-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-48页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 在校期间研究成果及发表的学术论文 | 第50-51页 |
| 致谢 | 第51页 |