| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究目的及意义 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·研究内容 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第2章 运动目标检测方法分析 | 第14-28页 |
| ·引言 | 第14页 |
| ·运动目标检测的特点 | 第14-15页 |
| ·运动目标检测算法的分类 | 第15页 |
| ·运动目标常用方法检测的研究及比较 | 第15-22页 |
| ·光流法 | 第15-17页 |
| ·帧间差分法 | 第17-18页 |
| ·背景差分法 | 第18-20页 |
| ·边缘检测法 | 第20-22页 |
| ·形态学处理 | 第22-24页 |
| ·腐蚀 | 第23页 |
| ·膨胀 | 第23页 |
| ·开运算和闭运算 | 第23-24页 |
| ·基于帧间差分与背景差分相融合的检测方法 | 第24-27页 |
| ·背景模型的建立与更新 | 第24-26页 |
| ·实验仿真 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第3章 运动目标跟踪技术概述 | 第28-35页 |
| ·引言 | 第28页 |
| ·常用运动目标跟踪算法的分析 | 第28-30页 |
| ·基于匹配的运动目标跟踪 | 第28-29页 |
| ·基于运动特性的目标跟踪 | 第29-30页 |
| ·目标跟踪问题描述 | 第30-34页 |
| ·目标观测模型 | 第31-32页 |
| ·RGB 模型到 HSV 模型的转变 | 第32页 |
| ·颜色特征量化和直方图 | 第32-33页 |
| ·目标观测模型 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第4章 随机滤波算法 | 第35-47页 |
| ·引言 | 第35页 |
| ·贝叶斯估计理论 | 第35-36页 |
| ·非线性高斯模型 | 第36-37页 |
| ·贝叶斯滤波 | 第37-39页 |
| ·卡尔曼滤波 | 第39-45页 |
| ·卡尔曼滤波预测算法的基本理论 | 第39-42页 |
| ·卡尔曼滤波预测算法的改进 | 第42-45页 |
| ·计算机仿真实验分析 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第5章 Mean shift 跟踪算法研究 | 第47-56页 |
| ·引言 | 第47页 |
| ·Mean shift 算法在目标跟踪中的研究 | 第47-52页 |
| ·Mean shift 算法原理介绍 | 第47-50页 |
| ·基于 Mean shift 的目标跟踪算法 | 第50-52页 |
| ·基于 Mean shift 算法和快速卡尔曼的目标跟踪 | 第52-55页 |
| ·卡尔曼滤波预测与 Mean shift 算法的结合应用 | 第52-53页 |
| ·计算机仿真实验分析 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第6章 基于蒙特卡罗方法的粒子滤波技术 | 第56-67页 |
| ·引言 | 第56页 |
| ·贝叶斯滤波的蒙特卡罗实现 | 第56-63页 |
| ·蒙特卡罗采样 | 第56-57页 |
| ·重要性采样 | 第57-59页 |
| ·序贯重要性采样时 | 第59-60页 |
| ·序贯重要性采样算法的退化和重采样 | 第60-61页 |
| ·粒子滤波方法流程 | 第61-63页 |
| ·粒子滤波与 Mean shift 算法结合流程 | 第63-64页 |
| ·计算机仿真实验分析 | 第64-66页 |
| ·小结 | 第66-67页 |
| 结论与展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73-76页 |
| 附录 A：个人简历 | 第73页 |
| 附录 B：本文部分程序源代码 | 第73-76页 |