| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 相关技术的研究现状 | 第11-14页 |
| 1.2.1 全景视觉的研究现状 | 第11-12页 |
| 1.2.2 折反射全景摄像机标定技术的研究现状 | 第12-13页 |
| 1.2.3 视频目标跟踪技术的研究现状 | 第13-14页 |
| 1.3 本文的研究内容和结构安排 | 第14-16页 |
| 第2章 全景视觉系统的标定 | 第16-30页 |
| 2.1 各种折反射镜面成像原理比较 | 第16-17页 |
| 2.2 标定设备分析 | 第17-18页 |
| 2.2.1 双曲面折反射全景摄像机 | 第17-18页 |
| 2.2.2 标定板 | 第18页 |
| 2.3 标定实验过程 | 第18-26页 |
| 2.3.1 图像预处理 | 第19-20页 |
| 2.3.2 角点提取与排列过程 | 第20-22页 |
| 2.3.3 构建标定算法 | 第22-26页 |
| 2.3.4 实验流程图 | 第26页 |
| 2.4 标定实验结果 | 第26-27页 |
| 2.5 实验结果验证 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 基于均值漂移（Mean Shift）的目标跟踪算法 | 第30-42页 |
| 3.1 Mean Shift算法发展过程 | 第30-31页 |
| 3.2 Mean Shift算法基本原理 | 第31页 |
| 3.3 Mean Shift算法建模 | 第31-33页 |
| 3.3.1 核函数的定义 | 第31-32页 |
| 3.3.2 目标模型与候选模型 | 第32-33页 |
| 3.4 相似性度量 | 第33-34页 |
| 3.5 Mean Shift算法 | 第34-35页 |
| 3.6 Mean Shift目标跟踪算法流程 | 第35-36页 |
| 3.7 Mean Shift目标跟踪实验 | 第36-41页 |
| 3.7.1 单目标跟踪 | 第36-38页 |
| 3.7.2 多目标跟踪 | 第38-39页 |
| 3.7.3 Mean Shift跟踪算法的缺陷 | 第39-41页 |
| 3.8 本章小结 | 第41-42页 |
| 第4章 基于改进Mean Shift的目标跟踪算法 | 第42-55页 |
| 4.1 Mean Shift算法目标快速运动与遮挡情况的改进 | 第42-46页 |
| 4.1.1 Kalman滤波的基本原理 | 第43-44页 |
| 4.1.2 Kalman滤波在目标跟踪中的应用 | 第44-45页 |
| 4.1.3 Kalman滤波对算法的改进过程 | 第45-46页 |
| 4.2 Mean Shift算法跟踪窗口自适应调整的改进 | 第46-49页 |
| 4.2.1 窗口自适应调整基本原理 | 第46-47页 |
| 4.2.2 窗口自适应调整方法 | 第47-49页 |
| 4.3 改进的Mean Shift算法仿真实验 | 第49-54页 |
| 4.3.1 快速运动与遮挡情况实验 | 第49-51页 |
| 4.3.2 窗口自适应调整实验 | 第51-53页 |
| 4.3.3 改进算法多目标跟踪实验 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 硕士学位期间学术论文及研究成果 | 第61页 |
