| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景与意义 | 第8-9页 |
| 1.2 视频监控系统结构 | 第9-12页 |
| 1.3 视频跟踪方法概述 | 第12-13页 |
| 1.4 论文内容与章节安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 运动目标检测 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 差分法 | 第15-18页 |
| 2.2.1 相邻帧差分法 | 第15-17页 |
| 2.2.2 背景帧差分法 | 第17-18页 |
| 2.3 自适应背景估计法 | 第18-23页 |
| 2.3.1 单模型法 | 第19-20页 |
| 2.3.2 多模型法 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 运动目标跟踪 | 第24-36页 |
| 3.1 引言 | 第24-25页 |
| 3.2 Mean-Shift 跟踪方法 | 第25-30页 |
| 3.2.1 Mean-Shift 理论基础 | 第25-27页 |
| 3.2.2 Mean-Shift 跟踪模型 | 第27-30页 |
| 3.3 粒子滤波跟踪方法 | 第30-35页 |
| 3.3.1 贝叶斯滤波 | 第30-32页 |
| 3.3.2 蒙特卡洛采样 | 第32-33页 |
| 3.3.3 粒子滤波理论 | 第33-34页 |
| 3.3.4 粒子滤波跟踪模型 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于Condensation 和Mean-Shift 的轮廓跟踪算法 | 第36-44页 |
| 4.1 引言 | 第36-37页 |
| 4.2 Condensation 跟踪算法原理 | 第37-38页 |
| 4.3 轮廓跟踪过程 | 第38-40页 |
| 4.4 实验结果与分析 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于Mean-Shift 和边缘检测的轮廓跟踪算法 | 第44-52页 |
| 5.1 引言 | 第44页 |
| 5.2 边缘检测算法 | 第44-46页 |
| 5.3 轮廓跟踪过程 | 第46-48页 |
| 5.3.1 获得前景矩形区域 | 第46-47页 |
| 5.3.2 获得背景矩形区域 | 第47-48页 |
| 5.3.3 获得目标区域和轮廓曲线 | 第48页 |
| 5.4 实验结果与分析 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 基于小波轮廓描述符的目标识别算法 | 第52-62页 |
| 6.1 引言 | 第52页 |
| 6.2 小波轮廓描述符 | 第52-55页 |
| 6.3 目标识别算法 | 第55页 |
| 6.4 实验过程与结果 | 第55-61页 |
| 6.4.1 实验平台及实验结果 | 第55-59页 |
| 6.4.2 跟踪过程中的实验结果 | 第59-61页 |
| 6.5 本章小结 | 第61-62页 |
| 第7章 总结与展望 | 第62-64页 |
| 7.1 论文总结 | 第62-63页 |
| 7.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文 | 第71-73页 |