| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 引言 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 运动目标检测与跟踪技术研究现状 | 第11-13页 |
| 1.2.1 运动目标检测方法 | 第11-12页 |
| 1.2.2 运动目标跟踪方法 | 第12-13页 |
| 1.3 主要研究内容及章节安排 | 第13-15页 |
| 第2章 视频目标跟踪系统 | 第15-22页 |
| 2.1 系统架构 | 第15-16页 |
| 2.2 系统应该解决的关键问题 | 第16-17页 |
| 2.3 数字化定义 | 第17-19页 |
| 2.4 形态学滤波 | 第19-21页 |
| 2.5 连通性分析 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 运动目标检测 | 第22-46页 |
| 3.1 高斯混合模型 | 第22-28页 |
| 3.1.1 算法描述 | 第23-26页 |
| 3.1.2 对比实验结果与解析 | 第26-28页 |
| 3.2 基于GraphCuts的图像分割算法 | 第28-36页 |
| 3.2.1 基于GraphCuts的图像分割算法基本框架 | 第29-30页 |
| 3.2.2 基于GraphCuts的图像分割算法的设计与实现 | 第30-36页 |
| 3.3 融合GMM与GraphCuts的目标检测算法 | 第36-37页 |
| 3.4 运动物体分类识别 | 第37-40页 |
| 3.4.1 运动目标分类 | 第37-38页 |
| 3.4.2 识别目标 | 第38-40页 |
| 3.5 实验对比结果与解析 | 第40-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 运动目标跟踪 | 第46-58页 |
| 4.1 运动目标跟踪的基本方法 | 第46-49页 |
| 4.1.1 基于特征识别匹配的跟踪 | 第46-48页 |
| 4.1.2 基于运动状态信息的目标跟踪 | 第48-49页 |
| 4.2 基于卡尔曼滤波的运动目标跟踪 | 第49-54页 |
| 4.2.1 卡尔曼滤波器的基本原理 | 第49-52页 |
| 4.2.2 Kalman滤波参数设定 | 第52-54页 |
| 4.3 实验结果与分析 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58-59页 |
| 5.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表论文情况 | 第64页 |
