| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·运动目标跟踪技术 | 第11-14页 |
| ·国内外研究现状 | 第12-13页 |
| ·技术难点 | 第13-14页 |
| ·本文研究内容和组织结构 | 第14-16页 |
| ·主要工作及贡献 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 目标跟踪相关技术研究 | 第16-24页 |
| ·运动目标检测技术 | 第16-18页 |
| ·背景消减法 | 第16-17页 |
| ·帧差法 | 第17页 |
| ·光流法 | 第17-18页 |
| ·目标表示方法 | 第18-19页 |
| ·目标特征提取 | 第19-21页 |
| ·跟踪算法的分类 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 目标跟踪算法研究 | 第24-40页 |
| ·基于 Mean Shift 的运动目标跟踪算法 | 第24-28页 |
| ·目标模板的表示 | 第24-25页 |
| ·候选目标模型的表示 | 第25页 |
| ·相似性测度 | 第25-26页 |
| ·Mean Shift 跟踪算法流程 | 第26-27页 |
| ·实验结果及分析 | 第27-28页 |
| ·On_line Boosting 目标跟踪算法 | 第28-32页 |
| ·Off-line AdaBoost 算法 | 第28-29页 |
| ·On-line Boosting 算法 | 第29-31页 |
| ·实验结果和分析 | 第31-32页 |
| ·基于粒子群优化（PSO）算法的跟踪 | 第32-36页 |
| ·粒子群优化算法 | 第32-33页 |
| ·基于粒子群优化算法的跟踪研究 | 第33-35页 |
| ·实验结果和分析 | 第35-36页 |
| ·基于归一化互相关（NCC）的跟踪算法 | 第36-38页 |
| ·归一化互相关（NCC）匹配原理 | 第36-37页 |
| ·实验结果及分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于多方法集成的自适应目标跟踪 | 第40-50页 |
| ·不同算法集成的可行性 | 第40-43页 |
| ·NccTrack 和PsoTrack 集成的可行性分析 | 第40-42页 |
| ·NccTrack 和ObTrack 集成的可行性分析 | 第42-43页 |
| ·多方法集成的跟踪 | 第43-45页 |
| ·实验结果及分析 | 第45-48页 |
| ·实验数据 | 第45页 |
| ·实验结果对比及分析 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 基于视觉跟踪的机器人定位的研究 | 第50-56页 |
| ·射影变换 | 第50-52页 |
| ·机器人跟踪策略 | 第52-53页 |
| ·定位结果和分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·工作总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士期间发表的论文和参与的科研项目 | 第63页 |