| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外的研究现状及其发展趋势 | 第10-12页 |
| 1.3 本文内容安排及主要工作 | 第12-13页 |
| 第2章 人体目标检测和跟踪系统设计 | 第13-18页 |
| 2.1 系统总体方案概述 | 第13页 |
| 2.2 系统的硬件方案设计 | 第13-16页 |
| 2.2.1 实时视频图像采集模块 | 第14-15页 |
| 2.2.2 视频图像存储模块 | 第15页 |
| 2.2.3 视频图像显示模块 | 第15-16页 |
| 2.2.4 视频图像数据处理模块 | 第16页 |
| 2.3 系统的软件方案设计 | 第16-17页 |
| 2.3.1 实时视频图像采集和显示模块 | 第16页 |
| 2.3.2 视频图像的预处理模块 | 第16页 |
| 2.3.3 视频运动目标检测模块 | 第16页 |
| 2.3.4 运动目标特征提取和人体识别模块 | 第16-17页 |
| 2.3.5 人体目标跟踪模块 | 第17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 数字图像处理基础 | 第18-30页 |
| 3.1 颜色模型 | 第18-20页 |
| 3.1.1 RGB 颜色模型 | 第18-19页 |
| 3.1.2 HSV 颜色模型 | 第19页 |
| 3.1.3 HSI 颜色模型 | 第19-20页 |
| 3.2 图像预处理 | 第20-26页 |
| 3.2.1 彩色图像灰度化 | 第20-22页 |
| 3.2.2 图像的平滑 | 第22-25页 |
| 3.2.3 图像二值化 | 第25-26页 |
| 3.3 二值图像形态学处理 | 第26-29页 |
| 3.3.1 腐蚀和膨胀 | 第26-28页 |
| 3.3.2 开运算和闭运算 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 运动目标检测和跟踪算法概述 | 第30-46页 |
| 4.1 运动目标检测 | 第30-33页 |
| 4.1.1 帧间差分法 | 第30-32页 |
| 4.1.2 光流法 | 第32页 |
| 4.1.3 背景差分法 | 第32-33页 |
| 4.2 背景建模 | 第33-42页 |
| 4.2.1 均值函数法 | 第34-35页 |
| 4.2.2 中值函数法 | 第35-37页 |
| 4.2.3 高斯背景建模 | 第37-42页 |
| 4.3 运动目标跟踪 | 第42-44页 |
| 4.3.1 运动目标跟踪概述 | 第42页 |
| 4.3.2 基于 Kalman 预测的运动目标跟踪 | 第42-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 实时监控视频的人体目标检测和跟踪系统的实现 | 第46-68页 |
| 5.1 系统的基本概述 | 第46-48页 |
| 5.1.1 基于实时监控视频的人体目标检测和跟踪系统 | 第46页 |
| 5.1.2 系统的开发环境和运行环境 | 第46页 |
| 5.1.3 系统的架构及功能 | 第46-48页 |
| 5.2 视频图像的实时采集和预处理 | 第48-52页 |
| 5.2.1 视频图像的实时采集 | 第48-51页 |
| 5.2.2 视频图像预处理 | 第51-52页 |
| 5.3 基于混合高斯背景建模的背景差分法的运动目标检测 | 第52-56页 |
| 5.3.1 混合高斯模型背景建模 | 第53-54页 |
| 5.3.2 形态学处理 | 第54-56页 |
| 5.3.3 连通域分析 | 第56页 |
| 5.4 人体目标识别 | 第56-59页 |
| 5.4.1 形状特征的提取 | 第57-58页 |
| 5.4.2 人体运动目标的识别 | 第58-59页 |
| 5.5 基于 Kalman 预测的人体目标跟踪 | 第59-67页 |
| 5.5.1 基于 Kalman 预测的人体目标跟踪的步骤 | 第59-63页 |
| 5.5.2 基于 Kalman 预测的人体目标跟踪的实验结果与分析 | 第63-67页 |
| 5.6 本章小结 | 第67-68页 |
| 第6章 结论与展望 | 第68-70页 |
| 6.1 结论 | 第68页 |
| 6.2 进一步工作的方向 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-73页 |
